Machine Learning for Microbiome Statistics
Idioma: inglés
Editorial: CRC Press Feb 2026, 2026
- Tapa dura
- Nuevo
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Vendedor de IberLibro desde 14 de agosto de 2006
Condición: Nuevo
EUR 279,36
Cantidad disponible: 2 disponibles
Añadir al carritoDescripción del artículo del vendedor
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 ref. del artículo 9781041005247
- Título
- Machine Learning for Microbiome Statistics
- Autor
- Jun Sun
- Editorial
- CRC Press Feb 2026
- Año de publicación
- 2026
- Estado
- Neu
- Encuadernación
- Buch
- Idioma
- inglés
- ISBN 10
- 1041005245
- ISBN 13
- 9781041005247
- Peso del artículo
- 1410 gramos
- Dimensiones
- 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 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.
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del autor
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.
“Acerca de” puede pertenecer a otra edición de este título.
AHA-BUCH GmbH
Einbeck, Alemania
Vendedor de IberLibro desde 14 de agosto de 2006
Tarifas de envío de Alemania a Estados Unidos de America
| Artículo | De 7 a 10 días hábiles | De 5 a 7 días hábiles |
|---|---|---|
| Primer artículo | EUR 44,87 | EUR 61,92 |
Métodos de pago
- Cheque
- Giro bancario
- PayPal
Descripción de la tienda
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.
Especialidad
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformación empresarial del vendedor
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Alemania 37574
Condiciones de venta
IImprint
Información del vendedor
AHA-BUCH GmbH
representado por el director gerente Christel Glass
Garlebsen 48
37574 Einbeck
Alemania
Teléfono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
Inscrita en el Registro Mercantil Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Resolución alternativa de conflictos:
La Comisión Europea proporciona una plataforma para la resolución extrajudicial de litigios en línea (plataforma ODR), a la que se puede acceder en https://ec.europa.eu/odr.
Somos miembros de la iniciativa "FairCommerce" desde el 25.05.2018.
Para obtener más información, consulte www.fair-commerce.de.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a AHA-BUCH GmbH, Einbeck, Germany, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Enviamos su pedido después de recibirlos
para artículos disponibles las últimas 24 horas,
para artículos con suministro nocturno a más tardar 48 horas.
En caso de que necesitemos pedir un artículo a nuestro proveedor, nuestro tiempo de envío depende de la fecha de recepción de los artículos, pero los artículos se enviarán el mismo día.
Nuestro objetivo es enviar los artículos pedidos de la manera más rápida, pero también más eficiente y segura a nuestros clientes.