出版社:機械工業 ISBN:9787111497714 商品編碼:10356483937 開本:16 出版時間:2015-05-01 代碼:79 作者:加雷斯·詹姆斯丹妮拉
" 基本信息 - 商品名稱:統計學習導論(基於R應用)/數據科學與工程技術叢書
- 作者:(美)加雷斯·詹姆斯//丹妮拉·威滕//特雷弗·哈斯帖//羅伯特·提布施瓦尼|譯者:王星
- 代碼:79
- 出版社:機械工業
- ISBN號:9787111497714
其他參考信息 - 出版時間:2015-05-01
- 印刷時間:2015-05-01
- 版次:1
- 印次:1
- 開本:16開
- 包裝:平裝
- 頁數:290
內容提要 加雷斯·詹姆斯、丹妮拉·威滕、特雷弗·哈斯 帖、羅伯特·提布施瓦尼編著的《統計學習導論(基 於R應用)》是一本統計學習方法的概要書,提供了 理解大數據和復雜數據必不可少的工具,數據來自近 20年來生物學、金融學、市場營銷學和天體物理學等 領域。書中介紹了一些重要的建模方法和預測技術以 及它們的相關應用。內容涉及線性回歸、分類、再抽 樣方法、壓縮方法、樹方法、聚類、支持向量機等。 書中使用大量案例來闡釋相關方法,每章都有如何在 R中實現所述方法的指導實驗。 本書讀者對像是那些希望運用統計學習前沿技術 分析數據的人士,既包括統計學專業的師生,也包括 非統計學專業的從業者。 作者簡介 加雷斯·詹姆斯,斯坦福大學統計學博士畢業,師從Trevor Hastie。現為南加州大學馬歇爾商學院統計學教授,美國統計學會會士,數理統計協會終身會員,新西蘭統計協會會員。《Statistica Sinica》、《Applications and Case Studies》、《Theory and Methods》等期刊的副主編。 丹妮拉·威滕,斯坦福大學統計學博士畢業,師從Robert Tibshirani。現為華盛頓大學生物統計學副教授,美國統計學會和國際數理統計協會會士,《Journal of Computational and Graphical Statistics》和《Biometrika》等期刊副主編。 特雷弗·哈斯帖,美國統計學家和計算機科學家,斯坦福大學統計學教授,英國皇家統計學會、國際數理統計協會和美國統計學會會士。Hastie參與開發了R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,斯坦福大學統計學教授,國際數理統計協會、美國統計學會和加拿大皇家學會會士,1996年COPSS總統獎得主,提出Iasso方法。Hastie和Tibshirani都是統計學習領域的泰山北鬥,兩人合著《The Elements of Statistical Learning》,還合作講授斯坦福大學的公開課《統計學習》。 目錄 中文版序 譯者序 前言 **章 導論 1.1 統計學習概述 1.2 統計學習簡史 1.3 關於這本書 1.4 這本書適用的讀者群 1.5 記號與簡單的矩陣代數 1.6 本書的內容安排 1.7 用於實驗和習題的數據集 1.8 本書網站 1.9 致謝 第2章 統計學習 2.1 什麼是統計學習 2.2 評價模型精度 2.3 實驗: R語言簡介 2.4 習題 第3章 線性回歸 3.1 簡單線性回歸 3.線性回歸 3.3 回歸模型中的其他注意事項 3.4 營銷計劃 3.5 線性回歸與K*近鄰法的比較 3.6 實驗:線性回歸 3.7 習題 第4章 分類 4.1 分類問題概述 4.2 為什麼線性回歸不可用 4.3 邏輯斯諦回歸 4.4 線性判別分析 4.5 分類方法的比較 4.6 R實驗:邏輯斯諦回歸、LDA、QDA和KNN 4.7 習題 第5章 重抽樣方法 5.1 交叉驗證法 5.2 自助法 5.3 實驗:交叉驗證法和自助法 5.4 習題 第6章 線性模型選擇與正則化 6.1 子集選擇 6.2 壓縮估計方法 6.3 降維方法 6.4 高維問題 6.5 實驗1:子集選擇方法 6.6 實驗2:嶺回歸和lasso 6.7 實驗3:PCR和PLS回歸 6.8 習題 第7章 非線性模型 7.1 多項式回歸 7.2 階梯函數 7.3 基函數 7.4 回歸樣條 7.5 光滑樣條 7.6 局部回歸 7.7 廣義可加模型 7.8 實驗:非線性建模 7.9 習題 第8章 基於樹的方法 8.1 決策樹基本原理 8.2 裝袋法、隨機森林和提升法 8.3 實驗:決策樹 8.4 習題 第9章 支持向量機 9.1 *大間隔分類器 9.2 支持向量分類器 9.3 狹義的支持向量機 9.4 多分類的SVM 9.5 與邏輯斯諦回歸的關繫 9.6 實驗:支持向量機 9.7 習題 **0章 無指導學習 10.1 無指導學習的挑戰 10.2 主成分分析 10.3 聚類分析方法 10.4 實驗1:主成分分析 10.5 實驗2:聚類分析 10.6 實驗3:以NCI60數據為例 10.7 習題
" |