Machine Learning for Microbiome Statistics (Hardcover)
Langue : anglais
Edité par Taylor & Francis Ltd, London, 2026
- Livre relié
- Neuf
Vendeur : AussieBookSeller, Truganina, VIC, AustralieAussieBookSeller
Vendeur AbeBooks depuis 22 juin 2007
Etat: Neuf
EUR 259,62
Quantité disponible : 1 disponible
Ajouter au panierA propos de cet article
Hardcover. Machine learning fundamentally learns from the past experiences (seen data) to make predictions about future (unseen data). Predictions in nature are often uncertain. Microbiome data have unique characteristics, including high-dimensionality, over-dispersion, sparsity and zero-inflation, and heterogeneity. Thus, machine learning involving microbiome data for predicting the outcome of phenotypes is even more uncertain than learning those data from other fields. Machine Learning for Microbiome Statistics poses many challenges for evaluating the prediction performance using appropriate metrics and independent data validation.This unique book aims to address the challenges of machine learning statistics, emphasize the importance of performance valuation by appropriate metrics and independent data, and describe several important concepts of machine learning statistics, such as feature engineering and overfitting. It comprehensively reviews commonly used and newly developed machine learning models for microbiome research. Specifically, this book provides the step-by-step procedures to perform machine learning of microbiome data, including feature engineering, algorithm selection and optimization, performance evaluation and model testing. It comments the benefits and limitations of using machine learning for microbiome statistics and remarks on the advantages and disadvantages of each machine learning algorithm.It will be an excellent reference book for students and academics in the field.Presents a thorough overview of machine learning algorithms for microbiome statistics.Performs step-by-step procedures to perform machine learning of microbiome data, using important supervised learning algorithms, including classical, ensemble learning and tree-based models.Describes important concepts of machine learning, including bias and variance tradeoff, accuracy and precision, overfitting and underfitting, model complexity and interpretability, and feature engineering.Investigates and applies various cross-validation techniques step-by-step.Introduces confusion matrix and its derived measures. Comprehensively describes the properties of F1, Matthews correlation coefficient (MCC), area under the receiver operating characteristic curve (AUC-ROC), and area under the precision-recall curve (AUC-PR), as well as discusses their advantages and disadvantages when using them for microbiome data.Offers all related R codes and the datasets from the authors first-hand microbiome research and publicly available data. This unique book aims to address the challenges of machine learning statistics, emphasize the importance of performance valuation by appropriate metrics and independent data, and describe several important concepts of machine learning statistics, such as feature engineering and overfitting. Shipping may be from our Sydney, NSW warehouse or from our UK or US warehouse, depending on stock availability.…
N° de réf. du vendeur 9781041005247
- Titre
- Machine Learning for Microbiome Statistics (Hardcover)
- Auteur
- Yinglin Xia
- Éditeur
- Taylor & Francis Ltd, London
- Année de publication
- 2026
- État de l'article
- new
- Reliure
- Hardcover
- Langue
- anglais
- ISBN à 10 chiffres
- 1041005245
- ISBN à 13 chiffres
- 9781041005247
Machine learning fundamentally learns from the past experiences (seen data) to make predictions about future (unseen data). Predictions in nature are often uncertain. Microbiome data have unique characteristics, including high-dimensionality, over-dispersion, sparsity and zero-inflation, and heterogeneity. Thus, machine learning microbiome data for predicting the outcome of phenotypes is even more uncertain than learning those data from other fields. Machine Learning for Microbiome Statistics poses many challenges for evaluating the prediction performance using appropriate metrics and independent data validation.
This unique book aims to address the challenges of machine learning statistics, emphasize the importance of performance valuation by appropriate metrics and independent data, and describe several important concepts of machine learning statistics, such as feature engineering and overfitting. It comprehensively reviews commonly used and newly developed machine learning models for microbiome research. Specifically, this book provides the step-by-step procedures to perform machine learning microbiome data, including feature engineering, algorithm selection and optimization, performance evaluation and model testing. It comments the benefits and limitations of using machine learning for microbiome statistics and remarks on the advantages and disadvantages of each machine learning algorithm.
It will be an excellent reference book for students and academics in the field.
- Presents a thorough overview of machine learning algorithms for microbiome statistics.
- Performs step-by-step procedures to perform machine learning microbiome data, using important supervised learning algorithms, including classical, ensemble learning and tree-based models.
- Describes important concepts of machine learning, including bias and variance tradeoff, accuracy and precision, overfitting and underfitting, model complexity and interpretability, and feature engineering,
- Investigates and applies various cross-validation techniques step-by-step.
- Introduces confusion matrix and its derived measures. Comprehensively describes the properties of F1, Matthews' correlation coefficient (MCC), area under the receiver operating characteristic curve (AUC-ROC), and area under the precision-recall curve (AUC-PR), as well as discusses their advantages and disadvantages when using for microbiome data.
- Offers all related R codes and the datasets from the authors' first-hand microbiome research and publicly available data.
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
Dr. Yinglin Xia is a Clinical Professor in the Department of Medicine at the University of Illinois Chicago. He has published six books on statistical analysis of microbiome and metabolomics data and more than 180 statistical methodology and research papers in peer-reviewed journals. He serves on the editorial boards of several scientific journals including as an Associate Editor of Gut Microbes and has served as a reviewer for over 100 scientific journals.
Dr. Jun Sun is a tenured Professor of Medicine at the University of Illinois Chicago and an internationally recognized expert on microbiome and human diseases, e.g., vitamin D receptor in inflammation, dysbiosis and intestinal dysfunction in amyotrophic lateral sclerosis (ALS). Her lab is the first to discover that chronic effects and molecular mechanisms of Salmonella infection and risk of colon cancer. Dr. Sun has published over 260 scientific articles in peer-reviewed journals and 10 books on microbiome.
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
AussieBookSeller
Truganina, VIC, Australie
Vendeur AbeBooks depuis 22 juin 2007
Frais d'expédition de Australie vers Etats-Unis
| Article | 25 à 45 jours ouvrés | 8 à 14 jours ouvrés |
|---|---|---|
| Premier article | EUR 33,16 | EUR 39,43 |
Modes de paiement
Profil professionnel du vendeur
The Nile Group Pty Ltd
42 Apex Drive
Truganina, VIC Australie 3029
Conditions de vente
We guarantee the condition of every book as it's described on the Abebooks web sites. If you're dissatisfied with your purchase (Incorrect Book/Not as Described/Damaged) or if the order hasn't arrived, you're eligible for a refund within 30 days of the estimated delivery date. If you've changed your mind about a book that you've ordered, please use the Ask bookseller a question link to contact us and we'll respond within 2 business days.
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à AussieBookSeller, Truganina, Victoria, Australia, sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
Please note that titles are dispatched from our UK and NZ warehouse. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 8-15 days.