-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
統計學精品譯叢高維概率及其在數據科學中的應用 版權信息
- ISBN:9787111652090
- 條形碼:9787111652090 ; 978-7-111-65209-0
- 裝幀:平裝-膠訂
- 冊數:暫無
- 重量:暫無
- 所屬分類:>>
統計學精品譯叢高維概率及其在數據科學中的應用 本書特色
本書全面介紹高維概率的理論、關鍵工具和現代應用,涵蓋Hoeffding不等式和Chernoff不等式等經典結果以及Matrix Bernstein不等式等現代發展,還介紹了基于隨機過程的強大方法,包括Slepian、Sudakov和Dudley不等式等工具,以及基于VC維數的通用鏈和界。全書使用了大量插圖,包括協方差估計、聚類、網絡、半定規劃、編碼、降維、矩陣補全、機器學習、壓縮感知以及稀疏回歸的經典和現代結果。
統計學精品譯叢高維概率及其在數據科學中的應用 內容簡介
本書全面介紹高維概率的理論、關鍵工具和現代應用,涵蓋Hoeffding不等式和Chernoff不等式等經典結果以及Matrix Bernstein不等式等現代發展,還介紹了基于隨機過程的強大方法,包括Slepian、Sudakov和Dudley不等式等工具,以及基于VC維數的通用鏈和界。全書使用了大量插圖,包括協方差估計、聚類、網絡、半定規劃、編碼、降維、矩陣補全、機器學習、壓縮感知以及稀疏回歸的經典和現代結果。
統計學精品譯叢高維概率及其在數據科學中的應用 目錄
序言
前言
第0章 預備知識:用概率覆蓋一個幾何集1
0.1 后注3
第1章 隨機變量的預備知識4
1.1 隨機變量的數字特征4
1.2 一些經典不等式5
1.3 極限理論7
1.4 后注8
第2章 獨立隨機變量和的集中9
2.1 集中不等式的由來9
2.2 霍夫丁不等式11
2.3 切爾諾夫不等式14
2.4 應用:隨機圖的度數16
2.5 次高斯分布17
2.6 廣義霍夫丁不等式和辛欽不等式22
2.7 次指數分布24
2.8 伯恩斯坦不等式28
2.9 后注30
第3章 高維空間的隨機向量32
3.1 范數的集中32
3.2 協方差矩陣與主成分分析法34
3.3 高維分布舉例38
3.4 高維次高斯分布42
3.5 應用:Grothendieck不等式與半正定規劃46
3.6 應用:圖的*大分割50
3.7 核技巧與Grothendieck不等式的改良52
3.8 后注55
第4章 隨機矩陣57
4.1 矩陣基礎知識57
4.2 網、覆蓋數和填充數61
4.3 應用:糾錯碼64
4.4 隨機次高斯矩陣的上界67
4.5 應用:網絡中的社區發現70
4.6 次高斯矩陣的雙側界74
4.7 應用:協方差估計與聚類算法75
4.8 后注78
第5章 沒有獨立性的集中80
5.1 球面上利普希茨函數的集中80
5.2 其他度量空間的集中85
5.3 應用:Johnson-Lindenstrauss引理89
5.4 矩陣伯恩斯坦不等式92
5.5 應用:用稀疏網絡進行社區發現98
5.6 應用:一般分布的協方差估計99
5.7 后注101
第6章 二次型、對稱化和壓縮103
6.1 解耦103
6.2 Hanson-Wright不等式106
6.3 各向異性隨機向量的集中109
6.4 對稱化110
6.5 元素不是獨立同分布的隨機矩陣112
6.6 應用:矩陣補全114
6.7 壓縮原理116
6.8 后注118
第7章 隨機過程119
7.1 基本概念與例子119
7.2 Slepian不等式122
7.3 高斯矩陣的精確界127
7.4 Sudakov*小值不等式129
7.5 高斯寬度131
7.6 穩定維數、穩定秩和高斯復雜度135
7.7 集合的隨機投影137
7.8 后注140
第8章 鏈142
8.1 Dudley不等式142
8.2 應用:經驗過程148
8.3 VC維數152
8.4 應用:統計學習理論161
8.5 通用鏈166
8.6 Talagrand優化測度和比較定理169
8.7 Chevet不等式170
8.8 后注172
第9章 隨機矩陣的偏差與幾何結論174
9.1 矩陣偏差不等式174
9.2 隨機矩陣、隨機投影及協方差估計179
9.3 無限集上的Johnson-Lindenstrauss引理181
9.4 隨機截面:M界和逃逸定理183
9.5 后注186
第10章 稀疏恢復187
10.1 高維信號恢復問題187
10.2 基于M界的信號恢復188
10.3 稀疏信號的恢復189
10.4 低秩矩陣的恢復192
10.5 精確恢復和RIP194
10.6 稀疏回歸的Lasso算法199
10.7 后注203
第11章 Dvoretzky-Milman定理204
11.1 隨機矩陣關于一般范數的偏差204
11.2 Johnson-Lindenstrauss嵌入和更精確的Chevet不等式206
11.3 Dvoretzky-Milman定理208
11.4 后注211
練習提示212
參考文獻217
索引226
統計學精品譯叢高維概率及其在數據科學中的應用 作者簡介
Roman Vershynin是加州大學歐文分校的數學系教授,他研究數學和數據科學中的隨機幾何結構,特別是隨機矩陣理論、幾何泛函分析、凸和離散幾何、幾何組合學、高維統計、信息理論、機器學習、信號處理和數值分析. 他于2005年獲得斯隆基金會的斯隆研究獎,2010年在海得拉巴舉行的國際數學家大會上做受邀演講,2013年獲得洪堡基金會頒發的貝塞爾研究獎. 他的“隨機矩陣非漸近分析導論”已經成為概率論和數據科學領域許多新研究者必不可少的教育資源。
- >
莉莉和章魚
- >
李白與唐代文化
- >
中國歷史的瞬間
- >
山海經
- >
巴金-再思錄
- >
回憶愛瑪儂
- >
詩經-先民的歌唱
- >
隨園食單