中圖網(wǎng)小程序
一鍵登錄
更方便
>
>>
人工智能的數(shù)學(xué)基礎(chǔ)——數(shù)據(jù)之本
人工智能的數(shù)學(xué)基礎(chǔ)——數(shù)據(jù)之本 版權(quán)信息
- ISBN：9787302627357
- 條形碼：9787302627357 ; 978-7-302-62735-7
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
人工智能的數(shù)學(xué)基礎(chǔ)——數(shù)據(jù)之本 本書特色
在人工智能和大數(shù)據(jù)的時代，統(tǒng)計學(xué)和計算機(jī)科學(xué)應(yīng)該結(jié)合。這部書從數(shù)學(xué)角度幫助讀者從經(jīng)典統(tǒng)計學(xué)順利過渡到人工智能這個新興領(lǐng)域，值得閱讀。
人工智能的數(shù)學(xué)基礎(chǔ)——數(shù)據(jù)之本 內(nèi)容簡介
"統(tǒng)計學(xué)是在概率論基礎(chǔ)上發(fā)展起來的一門應(yīng)用數(shù)學(xué)的學(xué)問。在自然科學(xué)、工程學(xué)、社會學(xué)、人文學(xué)、軍事學(xué)等諸多應(yīng)用領(lǐng)域，凡是涉及數(shù)據(jù)的收集、處理、分析、可視化和解釋等方面的問題，都是統(tǒng)計學(xué)大顯身手的舞臺。 統(tǒng)計學(xué)既是應(yīng)用數(shù)學(xué)的一個分支，又是一門推斷的藝術(shù)，其中不乏有哲學(xué)思辯和信念差異。來自不同學(xué)派的觀點相互碰撞，使得統(tǒng)計學(xué)在二十世紀(jì)飛速發(fā)展。今天，借助計算機(jī)的幫助，人們可以從各個角度探索數(shù)據(jù)的本質(zhì)。然而，我們?nèi)孕钑r刻提醒自己，在算力之上，精巧的算法永遠(yuǎn)重要。 本書延續(xù)了《隨機(jī)之美》的寫作風(fēng)格，以二十世紀(jì)*偉大的兩位統(tǒng)計學(xué)家羅納德·艾爾默·費舍爾和耶澤·內(nèi)曼為故事的主角，介紹了現(xiàn)代統(tǒng)計學(xué)的一些主要成果。這兩位統(tǒng)計學(xué)大師同屬頻率派，均為貝葉斯主義的反對者，然而二人之間也有過很多饒有趣味的學(xué)術(shù)之爭，至今對我們?nèi)杂袉l(fā)。 二十一世紀(jì)是人工智能和大數(shù)據(jù)的時代，統(tǒng)計學(xué)和計算機(jī)科學(xué)應(yīng)該如何結(jié)合才能互惠互利？如何站在人工智能的角度看待數(shù)據(jù)和數(shù)據(jù)分析？還有很多統(tǒng)計應(yīng)用的問題值得我們深思。作者希望通過此書喚起普通讀者對統(tǒng)計學(xué)的興趣，用它去推動人工智能、大數(shù)據(jù)分析的發(fā)展。這本書也是統(tǒng)計機(jī)器學(xué)習(xí)的入門，幫助讀者從經(jīng)典統(tǒng)計學(xué)順利過渡到這個新興領(lǐng)域。"
人工智能的數(shù)學(xué)基礎(chǔ)——數(shù)據(jù)之本 目錄
**部分 統(tǒng)計學(xué)歷史背景
第 1 章 費舍爾和內(nèi)曼的學(xué)術(shù)成就 3
1.1 費舍爾生平 11
1.1.1 費舍爾的主要著作 13
1.1.2 費舍爾的統(tǒng)計思想 16
1.2 內(nèi)曼生平 22
1.2.1 內(nèi)曼的置信區(qū)間與假設(shè)檢驗 24
1.2.2 內(nèi)曼的歸納行為 .26
第 2 章 數(shù)理統(tǒng)計學(xué)簡史 31
2.1 20 世紀(jì)前的統(tǒng)計學(xué) .33
2.2 20 世紀(jì)上半葉的統(tǒng)計學(xué) 35
2.3 20 世紀(jì)下半葉的統(tǒng)計學(xué) 36
2.4 21 世紀(jì)的統(tǒng)計學(xué) 38
2.5 推薦讀物 42
第二部分 經(jīng)典統(tǒng)計學(xué)
第 3 章 統(tǒng)計學(xué)的一些基本概念 45
3.1 樣本的特征 49
3.1.1 次序統(tǒng)計量 55
3.1.2 經(jīng)驗分布及其性質(zhì) 60
3.1.3 樣本矩及其極限分布 67
3.2 樣本統(tǒng)計量及其性質(zhì) 69
3.2.1 統(tǒng)計量的抽樣分布 71
3.2.2 重抽樣和自助法. 76
3.2.3 統(tǒng)計量的充分性 .79
第 4 章 參數(shù)估計理論 84
4.1 點估計及其優(yōu)良性 92
4.1.1 相合性與漸近正態(tài)性 96
4.1.2 有效性 100
4.1.3 折刀法 105
4.1.4 點估計之矩方法和*大似然法 107
4.2 內(nèi)曼置信區(qū)間估計 120
4.2.1 基于馬爾可夫不等式的區(qū)間估計 122
4.2.2 樞軸量法 124
4.2.3 大樣本區(qū)間估計 128
4.2.4 費舍爾的信任估計 132
第 5 章 假設(shè)檢驗 137
5.1 內(nèi)曼-皮爾遜假設(shè)檢驗理論 .145
5.1.1 功效函數(shù)與兩類錯誤的概率 151
5.1.2 內(nèi)曼-皮爾遜基本引理與似然比檢驗 157
5.1.3 廣義似然比檢驗 163
5.1.4 假設(shè)檢驗與置信區(qū)間估計的關(guān)系 169
5.2 大樣本檢驗 173
5.2.1 擬合優(yōu)度檢驗 177
5.2.2 獨立性的列聯(lián)表檢驗 184
第 6 章 回歸分析與方差分析 188
6.1 線性回歸模型 193
6.1.1 *小二乘估計 194
6.1.2 線性回歸的若干性質(zhì) 200
6.1.3 回歸模型的假設(shè)檢驗 203
6.1.4 正交多項式回歸 205
6.1.5 貝葉斯線性回歸 211
6.1.6 對數(shù)率回歸 214
6.2 方差分析模型 219
6.2.1 單因素方差分析 223
6.2.2 兩因素方差分析 225
第三部分 現(xiàn)代統(tǒng)計學(xué)
第 7 章 多元統(tǒng)計分析簡介 235
7.1 核方法及其在回歸上的應(yīng)用 243
7.1.1 核函數(shù)的性質(zhì) 246
7.1.2 基于*優(yōu)化的核線性回歸 247
7.1.3 貝葉斯核線性回歸 252
7.2 特征工程 255
7.2.1 主成分分析 260
7.2.2 因子分析 270
7.2.3 獨立成分分析 278
7.2.4 多維縮放與等距映射 284
7.2.5 局部嵌入的降維 288
7.2.6 塔克分解 294
7.3 聚類 301
7.3.1 層級聚類 303
7.3.2 k-均值聚類 307
7.4 分類 310
7.4.1 近鄰法 323
7.4.2 決策樹 327
7.4.3 費舍爾線性判別分析 339
7.4.4 支持向量機(jī) 344
7.4.5 基于高斯過程的分類 348
7.4.6 人工神經(jīng)網(wǎng)絡(luò) 350
第 8 章 期望*大化算法 362
8.1 完全數(shù)據(jù)與*大似然估計 366
8.1.1 EM 算法及其收斂速度 367
8.1.2 指數(shù)族的 EM 算法 370
8.2 期望*大化算法的應(yīng)用 373
8.2.1 分支個數(shù)已知的高斯混合模型 375
8.2.2 針對刪失數(shù)據(jù)的 EM 算法 378
8.2.3 概率潛在語義分析 381
8.3 數(shù)據(jù)增擴(kuò)算法與缺失數(shù)據(jù)分析 385
8.3.1 經(jīng)典的數(shù)據(jù)增擴(kuò)算法 386
8.3.2 窮人的數(shù)據(jù)增擴(kuò)算法 392
第 9 章 時間序列分析初步 397
9.1 時間序列模型 405
9.1.1 ARMA 模型 408
9.1.2 樣本（偏）自相關(guān)函數(shù). 419
9.1.3 經(jīng)典分解模型 422
9.2 預(yù)測與估計 428
9.2.1 指數(shù)平滑 433
9.2.2 *佳線性預(yù)測 435
9.2.3 ARMA 模型的估計 441
9.3 隱馬爾可夫模型及算法 445
9.3.1 隱馬爾可夫模型 449
9.3.2 概率有限狀態(tài)轉(zhuǎn)換器 452
9.3.3 觀測序列的概率：向前算法與向后算法 456
9.3.4 狀態(tài)序列的概率：維特比算法 460
9.3.5 模型參數(shù)的估計：鮑姆-韋爾奇算法 462
9.4 狀態(tài)空間模型與卡爾曼濾波 466
9.4.1 狀態(tài)的*佳線性估計 471
9.4.2 參數(shù)估計 477
第四部分 附 錄
附錄 A 軟件 R、Maxima 和 GnuPlot 簡介 483
A.1 R：*好的統(tǒng)計軟件 483
A.2 Maxima：符號計算的未來之路 485
A.3 GnuPlot：強(qiáng)大的函數(shù)繪圖工具 .490
附錄 B 一些常用的*優(yōu)化方法 491
B.1 梯度下降法. 494
B.2 高斯-牛頓法 495
B.3 拉格朗日乘子法 497
B.4 非線性優(yōu)化方法 500
B.5 隨機(jī)*優(yōu)化 502
附錄 C 核密度估計 504
附錄 D 再生核希爾伯特空間 508
D.1 希爾伯特空間 511
D.2 內(nèi)積矩陣與距離矩陣 514
D.3 核函數(shù)的判定條件 515
附錄 E 張量分析淺嘗 520
E.1 張量的定義. 523
E.2 張量的代數(shù)運算 526
E.3 張量場 528
E.4 曲線坐標(biāo) 531
附錄 F 參考文獻(xiàn) 536
附錄 G 符號表 544
附錄 H 名詞索引 546
H.1 術(shù)語索引 546
H.2 人名索引 557
第 1 章 費舍爾和內(nèi)曼的學(xué)術(shù)成就 3
1.1 費舍爾生平 11
1.1.1 費舍爾的主要著作 13
1.1.2 費舍爾的統(tǒng)計思想 16
1.2 內(nèi)曼生平 22
1.2.1 內(nèi)曼的置信區(qū)間與假設(shè)檢驗 24
1.2.2 內(nèi)曼的歸納行為 .26
第 2 章 數(shù)理統(tǒng)計學(xué)簡史 31
2.1 20 世紀(jì)前的統(tǒng)計學(xué) .33
2.2 20 世紀(jì)上半葉的統(tǒng)計學(xué) 35
2.3 20 世紀(jì)下半葉的統(tǒng)計學(xué) 36
2.4 21 世紀(jì)的統(tǒng)計學(xué) 38
2.5 推薦讀物 42
第二部分 經(jīng)典統(tǒng)計學(xué)
第 3 章 統(tǒng)計學(xué)的一些基本概念 45
3.1 樣本的特征 49
3.1.1 次序統(tǒng)計量 55
3.1.2 經(jīng)驗分布及其性質(zhì) 60
3.1.3 樣本矩及其極限分布 67
3.2 樣本統(tǒng)計量及其性質(zhì) 69
3.2.1 統(tǒng)計量的抽樣分布 71
3.2.2 重抽樣和自助法. 76
3.2.3 統(tǒng)計量的充分性 .79
第 4 章 參數(shù)估計理論 84
4.1 點估計及其優(yōu)良性 92
4.1.1 相合性與漸近正態(tài)性 96
4.1.2 有效性 100
4.1.3 折刀法 105
4.1.4 點估計之矩方法和*大似然法 107
4.2 內(nèi)曼置信區(qū)間估計 120
4.2.1 基于馬爾可夫不等式的區(qū)間估計 122
4.2.2 樞軸量法 124
4.2.3 大樣本區(qū)間估計 128
4.2.4 費舍爾的信任估計 132
第 5 章 假設(shè)檢驗 137
5.1 內(nèi)曼-皮爾遜假設(shè)檢驗理論 .145
5.1.1 功效函數(shù)與兩類錯誤的概率 151
5.1.2 內(nèi)曼-皮爾遜基本引理與似然比檢驗 157
5.1.3 廣義似然比檢驗 163
5.1.4 假設(shè)檢驗與置信區(qū)間估計的關(guān)系 169
5.2 大樣本檢驗 173
5.2.1 擬合優(yōu)度檢驗 177
5.2.2 獨立性的列聯(lián)表檢驗 184
第 6 章 回歸分析與方差分析 188
6.1 線性回歸模型 193
6.1.1 *小二乘估計 194
6.1.2 線性回歸的若干性質(zhì) 200
6.1.3 回歸模型的假設(shè)檢驗 203
6.1.4 正交多項式回歸 205
6.1.5 貝葉斯線性回歸 211
6.1.6 對數(shù)率回歸 214
6.2 方差分析模型 219
6.2.1 單因素方差分析 223
6.2.2 兩因素方差分析 225
第三部分 現(xiàn)代統(tǒng)計學(xué)
第 7 章 多元統(tǒng)計分析簡介 235
7.1 核方法及其在回歸上的應(yīng)用 243
7.1.1 核函數(shù)的性質(zhì) 246
7.1.2 基于*優(yōu)化的核線性回歸 247
7.1.3 貝葉斯核線性回歸 252
7.2 特征工程 255
7.2.1 主成分分析 260
7.2.2 因子分析 270
7.2.3 獨立成分分析 278
7.2.4 多維縮放與等距映射 284
7.2.5 局部嵌入的降維 288
7.2.6 塔克分解 294
7.3 聚類 301
7.3.1 層級聚類 303
7.3.2 k-均值聚類 307
7.4 分類 310
7.4.1 近鄰法 323
7.4.2 決策樹 327
7.4.3 費舍爾線性判別分析 339
7.4.4 支持向量機(jī) 344
7.4.5 基于高斯過程的分類 348
7.4.6 人工神經(jīng)網(wǎng)絡(luò) 350
第 8 章 期望*大化算法 362
8.1 完全數(shù)據(jù)與*大似然估計 366
8.1.1 EM 算法及其收斂速度 367
8.1.2 指數(shù)族的 EM 算法 370
8.2 期望*大化算法的應(yīng)用 373
8.2.1 分支個數(shù)已知的高斯混合模型 375
8.2.2 針對刪失數(shù)據(jù)的 EM 算法 378
8.2.3 概率潛在語義分析 381
8.3 數(shù)據(jù)增擴(kuò)算法與缺失數(shù)據(jù)分析 385
8.3.1 經(jīng)典的數(shù)據(jù)增擴(kuò)算法 386
8.3.2 窮人的數(shù)據(jù)增擴(kuò)算法 392
第 9 章 時間序列分析初步 397
9.1 時間序列模型 405
9.1.1 ARMA 模型 408
9.1.2 樣本（偏）自相關(guān)函數(shù). 419
9.1.3 經(jīng)典分解模型 422
9.2 預(yù)測與估計 428
9.2.1 指數(shù)平滑 433
9.2.2 *佳線性預(yù)測 435
9.2.3 ARMA 模型的估計 441
9.3 隱馬爾可夫模型及算法 445
9.3.1 隱馬爾可夫模型 449
9.3.2 概率有限狀態(tài)轉(zhuǎn)換器 452
9.3.3 觀測序列的概率：向前算法與向后算法 456
9.3.4 狀態(tài)序列的概率：維特比算法 460
9.3.5 模型參數(shù)的估計：鮑姆-韋爾奇算法 462
9.4 狀態(tài)空間模型與卡爾曼濾波 466
9.4.1 狀態(tài)的*佳線性估計 471
9.4.2 參數(shù)估計 477
第四部分 附 錄
附錄 A 軟件 R、Maxima 和 GnuPlot 簡介 483
A.1 R：*好的統(tǒng)計軟件 483
A.2 Maxima：符號計算的未來之路 485
A.3 GnuPlot：強(qiáng)大的函數(shù)繪圖工具 .490
附錄 B 一些常用的*優(yōu)化方法 491
B.1 梯度下降法. 494
B.2 高斯-牛頓法 495
B.3 拉格朗日乘子法 497
B.4 非線性優(yōu)化方法 500
B.5 隨機(jī)*優(yōu)化 502
附錄 C 核密度估計 504
附錄 D 再生核希爾伯特空間 508
D.1 希爾伯特空間 511
D.2 內(nèi)積矩陣與距離矩陣 514
D.3 核函數(shù)的判定條件 515
附錄 E 張量分析淺嘗 520
E.1 張量的定義. 523
E.2 張量的代數(shù)運算 526
E.3 張量場 528
E.4 曲線坐標(biāo) 531
附錄 F 參考文獻(xiàn) 536
附錄 G 符號表 544
附錄 H 名詞索引 546
H.1 術(shù)語索引 546
H.2 人名索引 557
展開全部
人工智能的數(shù)學(xué)基礎(chǔ)——數(shù)據(jù)之本 作者簡介
于江生，應(yīng)用數(shù)學(xué)博士，曾在北京大學(xué)、堪薩斯大學(xué)、韋恩州立大學(xué)工作多年。主要研究方向是人工智能、統(tǒng)計機(jī)器學(xué)習(xí)、貝葉斯數(shù)據(jù)分析、計算語言學(xué)、圖像處理、生物信息學(xué)等。曾任華為2012泊松實驗室主任、人工智能與機(jī)器學(xué)習(xí)首席科學(xué)家，現(xiàn)任 Futurewei 首席科學(xué)家。
書友推薦
- >
上帝之肋:男人的真實旅程
- >
有舍有得是人生
- >
隨園食單
- >
苦雨齋序跋文-周作人自編集
- >
我與地壇
- >
巴金－再思錄
- >
月亮與六便士
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
本類暢銷
