Machine Learning for Microbiome Statistics
Langue : anglais
Edité par CRC Press Feb 2026, 2026
- Livre relié
- Neuf
Vendeur : AHA-BUCH GmbH, Einbeck, AllemagneAHA-BUCH GmbH
Vendeur AbeBooks depuis 14 août 2006
Etat: Neuf
EUR 268,66
Quantité disponible : 2 disponible(s)
Ajouter au panierItem description from seller
Neuware - 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.…
N° de réf. du vendeur 9781041005247
- Titre
- Machine Learning for Microbiome Statistics
- Auteur
- Jun Sun
- Éditeur
- CRC Press Feb 2026
- Année de publication
- 2026
- État de l'article
- Neu
- Reliure
- Buch
- Langue
- anglais
- ISBN à 10 chiffres
- 1041005245
- ISBN à 13 chiffres
- 9781041005247
- Poids de l'article
- 1 410 grammes
- Dimensions
- 234x156x0 mm
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.
AHA-BUCH GmbH
Einbeck, Allemagne
Vendeur AbeBooks depuis 14 août 2006
Frais d'expédition de Allemagne vers Etats-Unis
| Article | 7 à 10 jours ouvrés | 5 à 7 jours ouvrés |
|---|---|---|
| Premier article | EUR 40,37 | EUR 47,42 |
Modes de paiement
- Chèque
- Paypal
- Virement bancaire
Description de la boutique
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Spécialité
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumProfil professionnel du vendeur
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Allemagne 37574
Conditions de vente
Empreinte
Informations sur le vendeur:
AHA-BUCH GmbH
représenté par le directeur général Christel Glass
Garlebsen 48
37574 Einbeck
Alemagne
Téléphone: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
inscrit à Registre du commerce Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Modes alternatifs de règlement des différends :
La Commission européenne fournit une plate-forme de règlement extrajudiciaire des litiges en ligne (plate-forme ODR), accessible sous https://ec.europa.eu/odr.
Nous sommes membres de l’initiative « FairCommerce » depuis le 25.05.2018.
Pour plus d’informations, voir www.fair-commerce.de.
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 AHA-BUCH GmbH, Einbeck, Germany, 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
Nous expédions votre commande après les avoir reçues
pour les articles disponibles au plus tard 24 heures,
pour les articles avec un approvisionnement de nuit au plus tard 48 heures.
Dans le cas où nous devons commander un article auprès de notre fournisseur, notre délai d’expédition dépend de la date de réception des articles, mais les articles seront expédiés le jour même.
Notre objectif est d’envoyer les articles commandés de la manière la plus rapide, mais aussi la plus efficace et la plus sécurisée à nos clients.