幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

R統計高級編程和數據模型(分析機器學習和可視化)/大數據應用與技術叢書

  • 作者：(美)馬特·威利//約書亞·F.威利|責編:王軍|譯者:吳文國//胡明曉
  • 出版社：清華大學
  • ISBN：9787302557005
  • 出版日期：2020/07/01
  • 裝幀：平裝
  • 頁數：509
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《R統計高級編程和數據模型分析、機器學習和可視化》介紹使用R語言進行統計分析的各種高級方法，如廣義可加模型、混合效應模型、多重插補以及數據缺失處理技術。本書前幾章介紹相關技術的背景知識，然後給出一些具體實例，這些實例展示了如何使用R語言獲得期望的結果。
    本書還向讀者介紹如何使用流行的R語言進行數據分析，讀者可以鑽研統計測試和統計技術的先決條件，通過實例掌握將賄言應用於高級數據分析的技術。本書是使用和編寫I齬言程序的必備手冊和參考書。
    主要內容
    如何使用R語言進行高級數據分析，涉及的技術包括廣義線性模型、廣義可加模型、混合效應模型、機器學習、並行處理。
    如何使用贈言的數據可視化技術實現回歸，如線性回歸和高級回歸，並了解回歸樣條和可加模型。
    如何使用R語言實現機器學習，包含平行處理、降維、特徵選取和分類。
    如何使用R語言的多重插補技術解決數據缺失問題。
    如何使用廣義線性可加模型實現普通量、二值量和計次量的輸出，如何使用自採樣法（Bootstrapping）分析不確定性。
    學習如何對個體內的變異性進行建模，進而捕捉個體在方法以及時間穩定性上的差異。
作者介紹
(美)馬特·威利//約書亞·F.威利|責編:王軍|譯者:吳文國//胡明曉
目錄
第1章  單變數數據可視化
  1.1  分佈
    1.1.1  可視化觀測數據的分佈
    1.1.2  堆積點陣圖與直方圖
    1.1.3  經驗密度圖
    1.1.4  比較觀測分佈與期望分佈
    1.1.5  Q-Q圖
    1.1.6  比較經驗密度圖與期望分佈的密度圖
    1.1.7  其他分佈的擬合
  1.2  異常值
  1.3  小結
第2章  多變數數據可視化
  2.1  分佈
  2.2  奇異值
  2.3  變數之間的關係
  2.4  小結
第3章  GLM Ⅰ
  3.1  概念背景
  3.2  分類預測器和虛擬編碼
    3.2.1  二級分類預測器
    3.2.2  三級或三級以上的分類預測值
  3.3  交互作用和調節效應
  3.4  公式介面
  3.5  方差分析
    3.5.1  概念背景
    3.5.2  R語言的AN0VA函數
  3.6  線性回歸
    3.6.1  概念背景
    3.6.2  R語言中的線性回歸
    3.6.3  高性能線性回歸
  3.7  控制混合影響
  3.8  案例研究：多線性回歸與交互作用
  3.9  小結
第4章  GLM Ⅱ
  4.1  概念背景
    4.1.1  Logistic回歸
    4.1.2  計數回歸
  4.2  R程序示例
    4.2.1  二項Logistic回歸
    4.2.2  有序Logistic回歸
    4.2.3  多分類Logistic回歸
    4.2.4  泊松回歸和負二項回歸
  4.3  案例研究：多項Logistic回歸
  4.4  小結
第5章  廣義可加模型
  5.1  概念背景
  5.2  R語言中的GAM模型
    5.2.1  高斯因變數
    5.2.2  二值因變數
    5.2.3  無序因變數

    5.2.4  計數因變數
  5.3  小結
第6章  機器學習：引言
  6.1  訓練數據和驗證數據
  6.2  重採樣和交叉驗證
  6.3  自採樣法
  6.4  並行處理和隨機數
  6.5  小結
第7章  機器學習：無監督學習
  7.1  數據背景和探索性分析
  7.2  尼一均值聚類演算法
  7.3  層次聚類演算法
  7.4  主成分分析
  7.5  非線性聚類分析
  7.6  小結
第8章  機器學習：監督學習
  8.1  數據準備
    8.1.1  獨熱編碼
    8.1.2  定標化與中心化
    8.1.3  變換
    8.1.4  訓練數據與驗證數據
    8.1.5  主成分分析
  8.2  監督學習模型
    8.2.1  支持向量機
    8.2.2  分類與回歸樹
    8.2.3  隨機森林
    8.2.4  隨機梯度提升
    8.2.5  多層感知機
  8.3  小結
第9章  缺失數據
  9.1  概念背景
  9.2  R示例
    9.2.1  回歸模型與多重插補
    9.2.2  多重插補與並行處理
    9.2.3  使用隨機森林法實現多重插補
  9.3  案例研究：使用RF實現多重插補
  9.4  小結
第10章  GLMM：引言
  10.1  多層數據
    10.1.1  數據重整
    10.1.2  日記研究數據集
  10.2  描述性統計量
    10.2.1  基本描述量
    10.2.2  組內相關係數（ICC）
  10.3  探索與假設
    10.3.1  分佈與奇異值
    10.3.2  時間趨勢
    10.3.3  自相關
    10.3.4  假設
  10.4  小結

第11章  GLMM：線性
  11.1  理論
    11.1.1  廣義線性混合模型
    11.1.2  術語混合效應和多層次模型
    11.1.3  統計推斷
    11.1.4  效應量
    11.1.5  隨機截距模型
    11.1.6  可視化隨機效應
    11.1.7  解釋隨機截距模型
    11.1.8  隨機截距斜率模型
    11.1.9  將截距和斜率作為因變數
  11.2  R示例
    11.2.1  隨機截距的線性混合模型
    11.2.2  隨機截距和隨機斜率的線性混合模型
  11.3  小結
第12章  GLMM：高級
  12.1  概念背景
  12.2  Logistic廣義線性混合模型
    12.2.1  隨機截距
    12.2.2  隨機截距和隨機斜率
  12.3  泊松分佈和負二項分佈GLMM
    12.3.1  隨機截距
    12.3.2  隨機截距和隨機斜率
  12.4  小結
第13章  建模IIV
  13.1  概念背景
    13.1.1  貝葉斯推斷
    13.1.2  什麼是IIV
    13.1.3  將IIV作為預測量
    13.1.4  軟體實現VARIAN
  13.2  R程序示例
  13.3  小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032