丹尼尔·佩尼亚；Tsay和Ruey S。 大相关数据的统计学习。 （英文） Zbl 1465.62003号 概率统计中的威利级数新泽西州霍博肯：John Wiley&Sons（ISBN 978-1-119-41738-5/hbk；978-1-119-1740-8/电子书）。xx，534页。(2021). 出版商描述：这本书全面介绍了统计和机器学习方法，这些方法可用于分析和预测大型动态相关数据集。该书介绍了建模和预测大型时间序列数据集的自动程序。从一些可视化工具开始，本书讨论了在大相关数据中查找离群值、集群和其他类型异构性的过程和方法。然后介绍了各种降维方法，包括正则化和因子模型，如存在动态相关性的正则化拉索和动态因子模型。这本书还涵盖了其他预测程序，包括指数模型、偏最小二乘法、增强和现在预测。它进一步介绍了机器学习方法，包括神经网络、深度学习、分类和回归树以及随机森林。最后，还介绍了建模和预测时空相关数据的程序。在整本书中，给出了所讨论方法的优点和缺点。本书使用真实世界的示例来演示应用程序，包括许多R包的使用。最后，与本书相关的R包可用于帮助读者再现示例分析并促进实际应用。大相关数据分析包括用于建模和理解大相关数据的各种主题，如：●绘制大型时间序列集的新方法●一种为大数据集的单个分量建立单变量ARMA模型的自动过程●针对大量相关时间序列的强大异常值检测程序●寻找时间序列簇数的新方法和时间序列的判别方法，包括向量支持机●动态因子模型的广泛覆盖范围，包括广义动态因子模型新的表示和估计方法●时间序列套索的有效性讨论及几种机器学习方法对预测大时间序列集的评估●使用外生变量预测大型时间序列集，包括指数模型讨论、偏最小二乘和boosting。●引入时空数据建模和预测的现代程序非常适合商业、经济、工程和科学领域的博士生和研究人员：使用大相关数据进行统计学习也属于这些领域的从业人员的书架，他们希望提高对用于分析和预测大相关数据的统计和机器学习方法的理解。 引用于4文件 MSC公司： 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 62兰特 大数据和数据科学的统计方面 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 68T05型 人工智能中的学习和自适应系统 关键词：大数据；时间序列；统计学习 软件：R（右） PDF格式BibTeX公司 XML格式引用 \textit{D.Peña}和\textit{R.S.Tsay}，大相关数据的统计学习。新泽西州霍博肯：约翰·威利父子公司（2021；Zbl 1465.62003） 全文： 内政部