| | | 應用回歸及分類--基於R/基於R應用的統計學叢書 | 該商品所屬分類:計算機/網絡 -> 軟件工程 | 【市場價】 | 254-368元 | 【優惠價】 | 159-230元 | 【介質】 | book | 【ISBN】 | 9787300222875 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](https://bnmppic.bookuu.com/goods/03/46/03/3465374-fm.jpg)
-
出版社:中國人民大學
-
ISBN:9787300222875
-
作者:編者:吳喜之
-
頁數:236
-
出版日期:2016-01-01
-
印刷日期:2016-01-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:326千字
-
由吳喜之編著的《應用回歸及分類——基於R/基 於R應用的統計學叢書》包括的內容有:經典線性回 歸、廣義線性模型、縱向數據(分層模型),機器學習 回歸方法(決策樹、bagging、隨機森林、mboost、人 工神經網絡、支持向量機、k最近鄰方法)、生存分析 及Cox模型、經典判別分析與logistic回歸分類、機 器學習分類方法(決策樹、bagging、隨機森林、 adaboost、人工神經網絡、支持向量機、k最近鄰方 法)。其中,縱向數據(分層模型)及生存分析及Cox模 型的內容可根據需要選用,所有其他的內容都應該在 教學中涉及,可以簡化甚至忽略的內容為一些數學推 導和某些不那麼優秀的模型,不可以忽略的是各種方 法的直觀意義及理念。
-
前言 第一章 引言 1.1 作為科學的統計 1.1.1 統計是科學 1.1.2 模型驅動的歷史及數據驅動的未來 1.1.3 數據中的信息是由觀測值數目及相關變量的數目決定的 1.2 傳統參數模型和機器學習算法模型 1.2.1 參數模型比算法模型容易解釋是偽命題 1.2.2 參數模型的競爭模型的對立性和機器學習不同模型的協和性 1.2.3 評價和對比模型 1.3 **統計教學及課本的若干誤區 1.3.1 假設檢驗的誤區:不能拒*就接受? 1.3.2 p值的誤區 1.3.3 置信區間的誤區 1.3.4 樣本量是多少纔算大樣本? 1.3.5 用31個省市自治區數據能做什麼? 1.3.6 彙總數據(比如部分均值)和原始觀測值的區別 1.4 R軟件入門 1.4.1 簡介 1.4.2 安裝和運行小貼士 1.4.3 動手 1.5 習題 第二章 經典線性回歸 2.1 模型形式 2.1.1 自變量為一個數量變量的情況 2.1.2 自變量為多個數量變量的情況 2.1.3 “線性”是對繫數而言的 2.2 用*小二乘法估計線性模型 2.2.1 一個數量自變量的情況 2.2.2 指數變換 2.2.3 多個數量自變量的情況 2.2.4 自變量為定性變量的情況 2.3 關於繫數的性質和推斷 2.3.1 基本假定 2.3.2 關於□的t檢驗 2.3.3 關於多自變量繫數復合假設F檢驗及方差分析表 2.3.4 定性變量的顯著性必須從方差分析表看出 2.3.5 關於殘差的檢驗及點圖 2.4 通過一個“教科書數據”來理解簡單*小二乘回歸 2.4.1 幾種競爭的線性模型 2.4.2 孤立地看模型可能會產生多個模型都“正確”的結論 2.4.3 比較多個模型試圖得到相對較好的模型 2.4.4 對例2.4的6個模型做預測精度的交叉驗證 2.5 一個“非教科書數據”例子 2.5.1 線性回歸的嘗試 2.5.2 和其他方法的交叉驗證比較 2.6 經典*小二乘回歸誤導彙總 2.6.1 大量主觀的假定 2.6.2 對回歸結果的缺乏根據的“解釋” 2.6.3 增加無關的(“錯誤的”)自變量對預測會不會有影響? 2.7 處理線性回歸多重共線性的經典方法 2.7.1 多重共線性 2.7.2 逐步回歸 2.7.3 嶺回歸 2.7.4 lasso回歸 2.7.5 適應性lasso回歸 2.7.6 偏*小二乘回歸 2.7.7 對例2.7,偏*小二乘回歸優於所有常用經典方法 …… 第三章 廣義線性模型 第四章 縱向數據及分層模型 第五章 機器學習回歸方法 第六章 生存分析及Cox模型 第七章 經典分類:判別分析 第八章 機器學習分類方法 附錄 練習:熟練使用R軟件 參考文獻
| | | | | |