- 机械工业出版社
- 9787111497714
- 1-12
- 34167
- 60258043-3
- 平装
- 16开
- 2015-05
- 568
- 290
- 理学
- 统计学
- C8
- 经济统计学
- 本科
内容简介
本书概述了统计学习领域，提供了理解大数据和复杂数据必不可少的工具，这些数据来自近20年来生物学、金融学、市场营销学和天体物理学等领域。书中介绍了一些最重要的建模方法和预测技术，以及它们的相关应用。内容涉及线性回归、分类、再抽样方法、压缩方法、基于树的方法和聚类等，用彩图和实例来阐释相关方法。因为本教材的主要目标是方便自然科学、工业和其他领域的从业者使用统计学习技术，所以每章都有在R中实现所介绍的分析方法的指导内容。本书只假定读者先修《线性回归》课程，并不要求读者具有矩阵代数知识。读者对象是那些希望利用前沿的统计学习技术来分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的人员。
目录
目录
中文版序
译者序
前言
第1章导论
11统计学习概述
12统计学习简史
13关于这本书
14这本书适用的读者群
15记号与简单的矩阵代数
16本书的内容安排
17用于实验和习题的数据集
18本书网站
19致谢
第2章统计学习
21什么是统计学习
22评价模型精度
23实验： R语言简介
24习题
第3章线性回归
31简单线性回归
32多元线性回归
33回归模型中的其他注意事项
34营销计划
35线性回归与K最近邻法的比较
36实验：线性回归
37习题
第4章分类
41分类问题概述
42为什么线性回归不可用
43逻辑斯谛回归
44线性判别分析
45分类方法的比较
46R实验：逻辑斯谛回归、LDA、QDA和KNN
47习题
第5章重抽样方法
51交叉验证法
52自助法
53实验：交叉验证法和自助法
54习题
第6章线性模型选择与正则化
61子集选择
62压缩估计方法
63降维方法
64高维问题
65实验1：子集选择方法
66实验2：岭回归和lasso
67实验3：PCR和PLS回归
68习题
第7章非线性模型
71多项式回归
72阶梯函数
73基函数
74回归样条
75光滑样条
76局部回归
77广义可加模型
78实验：非线性建模
79习题
第8章基于树的方法
81决策树基本原理
82装袋法、随机森林和提升法
83实验：决策树
84习题
第9章支持向量机
91最大间隔分类器
92支持向量分类器
93狭义的支持向量机
94多分类的SVM
95与逻辑斯谛回归的关系
96实验：支持向量机
97习题
第10章无指导学习
101无指导学习的挑战
102主成分分析
103聚类分析方法
104实验1：主成分分析
105实验2：聚类分析
106实验3：以NCI60数据为例
107习题
中文版序
译者序
前言
第1章导论
11统计学习概述
12统计学习简史
13关于这本书
14这本书适用的读者群
15记号与简单的矩阵代数
16本书的内容安排
17用于实验和习题的数据集
18本书网站
19致谢
第2章统计学习
21什么是统计学习
22评价模型精度
23实验： R语言简介
24习题
第3章线性回归
31简单线性回归
32多元线性回归
33回归模型中的其他注意事项
34营销计划
35线性回归与K最近邻法的比较
36实验：线性回归
37习题
第4章分类
41分类问题概述
42为什么线性回归不可用
43逻辑斯谛回归
44线性判别分析
45分类方法的比较
46R实验：逻辑斯谛回归、LDA、QDA和KNN
47习题
第5章重抽样方法
51交叉验证法
52自助法
53实验：交叉验证法和自助法
54习题
第6章线性模型选择与正则化
61子集选择
62压缩估计方法
63降维方法
64高维问题
65实验1：子集选择方法
66实验2：岭回归和lasso
67实验3：PCR和PLS回归
68习题
第7章非线性模型
71多项式回归
72阶梯函数
73基函数
74回归样条
75光滑样条
76局部回归
77广义可加模型
78实验：非线性建模
79习题
第8章基于树的方法
81决策树基本原理
82装袋法、随机森林和提升法
83实验：决策树
84习题
第9章支持向量机
91最大间隔分类器
92支持向量分类器
93狭义的支持向量机
94多分类的SVM
95与逻辑斯谛回归的关系
96实验：支持向量机
97习题
第10章无指导学习
101无指导学习的挑战
102主成分分析
103聚类分析方法
104实验1：主成分分析
105实验2：聚类分析
106实验3：以NCI60数据为例
107习题
