中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
統計學習導論 基于R應用 版權信息
- ISBN：9787111761761
- 條形碼：9787111761761 ; 978-7-111-76176-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
統計學習導論 基于R應用 本書特色
加雷斯·詹姆斯(Gareth James) 斯坦福大學統計學博士，師從Trevor Hastie。埃默里大學數據科學和運籌學教授，E. Morgan Stanley 工商管理主席。他在統計學習領域發表了大量的方法論著作，特別強調高維數據和函數數據。丹妮拉·威滕(Daniela Witten) 斯坦福大學統計學博士，師從Robert Tibshirani。華盛頓大學統計學與生物統計學教授、Dorothy Gilford 講席教授。她的研究主要集中在用于分析復雜、混亂和大規模數據的統計機器學習技術上，重點是無監督學習。特雷弗·哈斯帖(Trevor Hastie) 斯坦福大學統計學教授、John A. Overdeck數學教授、生物醫學數據科學教授，美國科學院院士。他參與開發了 R/S-PlUS 中的大部分統計建模軟件和環境，發明了主曲線和主曲面。羅伯特·提布施瓦尼(Robert Tibshirani) 斯坦福大學統計學教授、生物醫學數據科學教授。他提出了lasso， 與Hastie一起建立了廣義加性模型。
統計學習導論 基于R應用 內容簡介
本書介紹了一些重要的建模和預測技術以及相關應用，涵蓋以下主題：線性回歸、分類、重采樣方法、收縮方法、基于樹的方法、支持向量機、聚類、深度學習、生存分析、多重測試等。書中每一章都包含一個教程，通過圖形和實例介紹如何實現R語言提供的分析方法。本書還提供了關于深度學習、生存分析和多重測試的新章節，以及樸素貝葉斯、廣義線性模型、貝葉斯加性回歸樹和矩陣補全的擴展內容，并對R代碼進行了全面更新。本書旨在幫助科學、工業和其他領域的從業人員學習和應用這些統計學習技術。
統計學習導論 基于R應用 目錄
目錄
譯者序
前言
第1章導論1
11統計學習概述1
12統計學習簡史4
13關于本書4
14本書的讀者群6
15記號與簡單矩陣代數6
16本書的內容安排8
17用于實驗和習題的數據集9
18本書網站10
19致謝10
第2章統計學習11
21什么是統計學習11
22評價模型精度21
23實驗：R語言簡介31
24習題39
第3章線性回歸43
31簡單線性回歸44
32多元線性回歸51
33回歸模型中的其他注意事項60
34營銷計劃75
35線性回歸與K*近鄰法的
比較76
36實驗：線性回歸80
37習題89
第4章分類95
41分類問題概述95
42為什么線性回歸不可用96
43邏輯斯諦回歸98
44用于分類的生成模型104
45分類方法的比較116
46廣義線性模型121
47實驗：分類方法126
48習題141
第5章重抽樣方法146
51交叉驗證法146
52自助法154
53實驗：交叉驗證法和自助法157
54習題163
第6章線性模型選擇與正則化167
61子集選擇168
62壓縮估計方法175
63降維方法185
64高維問題192
65實驗：線性模型和正則方法196
66習題210
第7章非線性模型214
71多項式回歸214
72階梯函數216
73基函數217
74回歸樣條218
75光滑樣條223
76局部回歸225
77廣義可加模型227
78實驗：非線性建模230
79習題239
第8章基于樹的方法242
81決策樹基本原理242
82裝袋法、隨機森林、提升法和
貝葉斯加性回歸樹250
83實驗：決策樹260
84習題267
第9章支持向量機270
91*大間隔分類器270
92支持向量分類器274
93狹義的支持向量機278
94多分類的支持向量機283
95與邏輯斯諦回歸的關系284
96實驗：支持向量機285
97習題293
第10章深度學習297
101單隱層神經網絡297
102多隱層神經網絡300
103卷積神經網絡303
104文本分類310
105循環神經網絡312
106深度學習適用場景320
107擬合神經網絡321
108插值和雙下降325
109實驗：深度學習328
1010習題342
第11章生存分析與刪失數據344
111生存時間與刪失時間344
112細說刪失345
113KaplanMeier生存曲線346
114對數秩檢驗348
115生存響應下的回歸模型350
116Cox模型的壓縮357
117其他主題359
118實驗：生存分析361
119習題368
第12章無監督學習372
121無監督學習的挑戰372
122主成分分析373
123缺失值與矩陣補全382
124聚類分析方法386
125實驗：無監督學習397
126習題411
第13章多重檢驗415
131假設檢驗的快速回顧416
132多重檢驗的挑戰420
133族錯誤率421
134假發現率428
135計算p值和假發現率的重采樣
方法431
136實驗：多重檢驗436
137習題445
3,5
譯者序
前言
第1章導論1
11統計學習概述1
12統計學習簡史4
13關于本書4
14本書的讀者群6
15記號與簡單矩陣代數6
16本書的內容安排8
17用于實驗和習題的數據集9
18本書網站10
19致謝10
第2章統計學習11
21什么是統計學習11
22評價模型精度21
23實驗：R語言簡介31
24習題39
第3章線性回歸43
31簡單線性回歸44
32多元線性回歸51
33回歸模型中的其他注意事項60
34營銷計劃75
35線性回歸與K*近鄰法的
比較76
36實驗：線性回歸80
37習題89
第4章分類95
41分類問題概述95
42為什么線性回歸不可用96
43邏輯斯諦回歸98
44用于分類的生成模型104
45分類方法的比較116
46廣義線性模型121
47實驗：分類方法126
48習題141
第5章重抽樣方法146
51交叉驗證法146
52自助法154
53實驗：交叉驗證法和自助法157
54習題163
第6章線性模型選擇與正則化167
61子集選擇168
62壓縮估計方法175
63降維方法185
64高維問題192
65實驗：線性模型和正則方法196
66習題210
第7章非線性模型214
71多項式回歸214
72階梯函數216
73基函數217
74回歸樣條218
75光滑樣條223
76局部回歸225
77廣義可加模型227
78實驗：非線性建模230
79習題239
第8章基于樹的方法242
81決策樹基本原理242
82裝袋法、隨機森林、提升法和
貝葉斯加性回歸樹250
83實驗：決策樹260
84習題267
第9章支持向量機270
91*大間隔分類器270
92支持向量分類器274
93狹義的支持向量機278
94多分類的支持向量機283
95與邏輯斯諦回歸的關系284
96實驗：支持向量機285
97習題293
第10章深度學習297
101單隱層神經網絡297
102多隱層神經網絡300
103卷積神經網絡303
104文本分類310
105循環神經網絡312
106深度學習適用場景320
107擬合神經網絡321
108插值和雙下降325
109實驗：深度學習328
1010習題342
第11章生存分析與刪失數據344
111生存時間與刪失時間344
112細說刪失345
113KaplanMeier生存曲線346
114對數秩檢驗348
115生存響應下的回歸模型350
116Cox模型的壓縮357
117其他主題359
118實驗：生存分析361
119習題368
第12章無監督學習372
121無監督學習的挑戰372
122主成分分析373
123缺失值與矩陣補全382
124聚類分析方法386
125實驗：無監督學習397
126習題411
第13章多重檢驗415
131假設檢驗的快速回顧416
132多重檢驗的挑戰420
133族錯誤率421
134假發現率428
135計算p值和假發現率的重采樣
方法431
136實驗：多重檢驗436
137習題445
3,5
展開全部
統計學習導論 基于R應用 作者簡介
加雷斯·詹姆斯(Gareth James) 斯坦福大學統計學博士，師從Trevor Hastie。埃默里大學數據科學和運籌學教授，E. Morgan Stanley 工商管理主席。他在統計學習領域發表了大量的方法論著作，特別強調高維數據和函數數據。
丹妮拉·威滕(Daniela Witten) 斯坦福大學統計學博士，師從Robert Tibshirani。華盛頓大學統計學與生物統計學教授、Dorothy Gilford 講席教授。她的研究主要集中在用于分析復雜、混亂和大規模數據的統計機器學習技術上，重點是無監督學習。
特雷弗·哈斯帖(Trevor Hastie) 斯坦福大學統計學教授、John A. Overdeck數學教授、生物醫學數據科學教授，美國科學院院士。他參與開發了 R/S-PlUS 中的大部分統計建模軟件和環境，發明了主曲線和主曲面。
羅伯特·提布施瓦尼(Robert Tibshirani) 斯坦福大學統計學教授、生物醫學數據科學教授。他提出了lasso， 與Hastie一起建立了廣義加性模型。
書友推薦
- >
上帝之肋:男人的真實旅程
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
- >
煙與鏡
- >
我與地壇
- >
朝聞道
- >
名家帶你讀魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
本類暢銷
