"Hidden Markov Models for Time Series" presents an accessible overview of hidden Markov models for analyzing a wide range of time series data, including discrete-valued, continuous-valued, circular, and multivariate. Demonstrating how to apply methods to real world problems, it features applications from a variety of fields, such as animal behavior, epidemiology, and finance. It also discusses the implementation of all of the techniques using R, illustrating how R can be used for parameter estimation, model selection, and model checking. With numerous exercises, this is outstanding both as a text for graduate students and as a reference for researchers, practitioners.
| |||||||||||||||
Kurzbeschreibung
Produktinformation
Möchten Sie die Produktinformationen aktualisieren oder Feedback zu den Produktabbildungen geben?
Ist der Verkauf dieses Produkts für Sie nicht akzeptabel? |
Mehr über den Autor
Entdecken Sie Bücher, lesen Sie über Autoren und mehr
Produktbeschreibungen
Pressestimmen
The book would be a good text for a seminar or a course on HMM or for self-learning the topic. ... Those who have the background necessary to use the R code and to replicate the results throughout the book will find plenty of material in this book to extend what they learn to their own data. The book is written very pedagogically ... all the data sets, errata sheet, R code, among other things, can be accessed at the web site. -Journal of Statistical Software, Vol. 43, October 2011 ... this book has a very nice mix of probability, statistics, and data analysis. It is suitable for a course in stochastic modeling using hidden Markov models, but also serves well as an introduction for nonspecialists. -Biometrics, 67, September 2011 ... this is an excellent book, which should be of great interest to applied statisticians looking for a clear introduction to HMMs and advice on the practical implementation of these models. It is also an ideal teaching resource. -Australian & New Zealand Journal of Statistics, 2011 It is clear that much care has gone into this book: it has a very detailed contents list, a list of abbreviations and notations, thoughtful data analyses, many references and a detailed index. In fact, it would be difficult not to thoroughly recommend it to anyone interested in learning how to tackle these types of data. -International Statistical Review (2011), 79, 1
Synopsis
"Hidden Markov Models for Time Series" presents an accessible overview of hidden Markov models for analyzing a wide range of time series data, including discrete-valued, continuous-valued, circular, and multivariate. Demonstrating how to apply methods to real world problems, it features applications from a variety of fields, such as animal behavior, epidemiology, and finance. It also discusses the implementation of all of the techniques using R, illustrating how R can be used for parameter estimation, model selection, and model checking. With numerous exercises, this is outstanding both as a text for graduate students and as a reference for researchers, practitioners.
In diesem Buch
(Mehr dazu)
Ausgewählte Seiten ansehen
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis | Rückseite
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis | Rückseite
Kundenrezensionen
Die hilfreichsten Kundenrezensionen
4 von 4 Kunden fanden die folgende Rezension hilfreich
Format:Gebundene Ausgabe|Von Amazon bestätigter Kauf
Der prinzipielle Fehler dieses Buches ist: Der Subtitel "An Introduction Using R" stimmt nicht. Es ist eine übliche Monographie bei der als Anhang noch ein bisserl R-Code hinzugeflickt ist. Dieser fällt aber auch weitgehend vom Himmel.
In guten "Using R" Büchern sind Text und R-Teil hingegen integiert. Das verbessert in zweifacher Hinsicht den Text. Der Leser bekommt ein Gefühl für die Methoden, er kann es auch selbst gleich ausprobieren. Die Benutzung von R beschützt auch den Autor vor dem "und das gibts, und das gibts auch noch, siehe Ref. X" Syndrom. R zwingt ihn sich auf die praktisch wesentlichen Methoden zu konzentrieren.
Dieses Buch ist hingegen die übliche Monographie, wobei das "und das gibts auch noch" Syndrom durch den Charakter einer Einführung noch verschlimmert wird. Das "a detailed explanation is beyond the scope" folgt nämlich unmittelbar. Für eine Einleitung ist es wieder nicht gut genug erklärt. Das Buch enthält im zweiten Teil eine Reihe von Fallbeispielen. Auch dieser Teil leidet unter zuviel des Guten. Es wäre besser gewesen, sich auf weniger Beispiele zu konzentrieren und diese an Hand von R-Code genauer zu erklären. Bei einigen Fallbeispielen wie z.B. der Finanzanwendung ist die Schlussfolgerung: Es gibt bessere Modelle als HMMs.
Man kann auch aus dem Nicht-Funktionieren einer Methode viel lernen. Bei der Präsentation waren aber wohl weniger pädagogische Überlegungen ausschlagebend. Vielmehr hat ein Student von W. Zucchini über dieses Thema gearbeitet. Nicht praktische oder pädagogische Relevanz sondern im Dunstkreis der Autoren entstanden ist allgemein das Auswahlkriterium. Die Erklärungen warum HMMs für Finance-Zeitreihen nicht gut funktionieren sind auch eher dürftig ausgefallen.
Dieses Buch ist eine Modernisierung eines älteren Werkes der beiden Autoren. Sie haben sich nicht wirklich die (grosse) Mühe gemacht ein neues und gutes Lehrbuch zu schreiben. Es ist eher Restlverwertung von Papers und Wiederaufbereitung des alten Buches.
Eine wesentlich bessere Einführung ist der klassische Artikel:
L.R.Rabiner: A Tuturial on Hidden Markov Models and Selected Applications in Speech Recognition.
Sehr gut ist auch das kurze Kapitel über HMMs in:
W.Press et al, Numerical Recipes Third Edition.
Sehr brauchbar ist auch die homepage des Hidden Markov Model Toolkit (HTK) entwickelt im Machine Intelligence Labratory des Cambridge Univ. Engineering Department (CUED).
In guten "Using R" Büchern sind Text und R-Teil hingegen integiert. Das verbessert in zweifacher Hinsicht den Text. Der Leser bekommt ein Gefühl für die Methoden, er kann es auch selbst gleich ausprobieren. Die Benutzung von R beschützt auch den Autor vor dem "und das gibts, und das gibts auch noch, siehe Ref. X" Syndrom. R zwingt ihn sich auf die praktisch wesentlichen Methoden zu konzentrieren.
Dieses Buch ist hingegen die übliche Monographie, wobei das "und das gibts auch noch" Syndrom durch den Charakter einer Einführung noch verschlimmert wird. Das "a detailed explanation is beyond the scope" folgt nämlich unmittelbar. Für eine Einleitung ist es wieder nicht gut genug erklärt. Das Buch enthält im zweiten Teil eine Reihe von Fallbeispielen. Auch dieser Teil leidet unter zuviel des Guten. Es wäre besser gewesen, sich auf weniger Beispiele zu konzentrieren und diese an Hand von R-Code genauer zu erklären. Bei einigen Fallbeispielen wie z.B. der Finanzanwendung ist die Schlussfolgerung: Es gibt bessere Modelle als HMMs.
Man kann auch aus dem Nicht-Funktionieren einer Methode viel lernen. Bei der Präsentation waren aber wohl weniger pädagogische Überlegungen ausschlagebend. Vielmehr hat ein Student von W. Zucchini über dieses Thema gearbeitet. Nicht praktische oder pädagogische Relevanz sondern im Dunstkreis der Autoren entstanden ist allgemein das Auswahlkriterium. Die Erklärungen warum HMMs für Finance-Zeitreihen nicht gut funktionieren sind auch eher dürftig ausgefallen.
Dieses Buch ist eine Modernisierung eines älteren Werkes der beiden Autoren. Sie haben sich nicht wirklich die (grosse) Mühe gemacht ein neues und gutes Lehrbuch zu schreiben. Es ist eher Restlverwertung von Papers und Wiederaufbereitung des alten Buches.
Eine wesentlich bessere Einführung ist der klassische Artikel:
L.R.Rabiner: A Tuturial on Hidden Markov Models and Selected Applications in Speech Recognition.
Sehr gut ist auch das kurze Kapitel über HMMs in:
W.Press et al, Numerical Recipes Third Edition.
Sehr brauchbar ist auch die homepage des Hidden Markov Model Toolkit (HTK) entwickelt im Machine Intelligence Labratory des Cambridge Univ. Engineering Department (CUED).
Die hilfreichsten Kundenrezensionen auf Amazon.com (beta)
Amazon.com:
3.5 von 5 Sternen
4 Rezensionen
5 von 6 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen
Solid, practical guide
3. November 2011
Von Dimitri Shvorob
- Veröffentlicht auf Amazon.com
Format:Gebundene Ausgabe
The two-star reviewer's complaints about the book's R component are bogus: in my opinion, there is enough R in the book, including easy-to-follow sample code and pointers to packages such as "msm" and "flexmix". The author does a good job showing the reader how to retrace his steps - and move forward - and balances exposition of "theory" with attention to practical aspects. The book is a little pricey, and I am not familiar with its competitors, and wish there were more variety in HMM models on display - but I still see it as a very worthwhile reference.
16 von 22 Kunden fanden die folgende Rezension hilfreich
2.0 von 5 Sternen
Good review of HMMs; very poor integration with R
29. August 2009
Von notion
- Veröffentlicht auf Amazon.com
Format:Gebundene Ausgabe|Von Amazon bestätigter Kauf
I bought this book hoping it would help me develop some R code for HMMs. I was completely fooled by the subtitle "An Introduction Using R". The book doesn't mention R at all until the appendix. The appendix has a jumbled collection of code fragments that might form a tiny basis for a larger code base. One is much better using existing HMM packages from the internet. I can only conclude that the "An Introduction Using R" is a marketing ploy. For shame.
4 von 5 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen
Very practical introduction
22. Juli 2011
Von DmitriyN
- Veröffentlicht auf Amazon.com
Format:Gebundene Ausgabe
This is a very practical introduction where the key properties of likelihoods, forward and backwards probabilities are presented clearly. A major useful feature for me was the discussion of numerical stability issues and ways to remedy underflow problems in likelihood computation. There are countless of ways HMM's can be customized and generalized - multivariate observation densities, exogeneous variables, multichain HMMs - and they do become accessible picking up the foundations in this book.
›
Gehen Sie zu Amazon.com, um alle 4 Rezensionen zu sehen
3.5 von 5 Sternen
Waren diese Rezensionen hilfreich?
Wir wollen von Ihnen hören.
Kunden diskutieren
|
Das Forum zu diesem Produkt
Fragen stellen, Meinungen austauschen, Einblicke gewinnen Aktive Diskussionen in ähnlichen Foren
Kundendiskussionen durchsuchen
|
Ähnliche Foren
|
||||||||||||||||||||||||||||||||||
Lieblingslisten
Ähnliche Artikel finden
Ihr Kommentar
Möchten Sie die Produktinformationen aktualisieren oder Feedback zu den Produktabbildungen geben?
|
