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

統計學習與R語言應用

  • 作者：編者:王國長//王丙參|責編:曾鑫華//彭琳惠
  • 出版社：暨南大學
  • ISBN：9787566842602
  • 出版日期：2025/12/01
  • 裝幀：平裝
  • 頁數：355
人民幣：RMB 88 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共9章。第1章為統計學習基礎，供初學者查閱、了解；第2章為R簡明教程；第3章為無監督降維方法，側重構建綜合評價方法；第4、5、6章分別為線性回歸模型、變數選擇與特徵篩選方法、廣義線性模型；第7章為聚類分析；第8、9章為分類基本方法、決策樹與集成學習。本書可作為高等院校統計、經濟、數學、電腦等專業的統計學習、統計軟體、統計實驗及其相關課程的學慣用書，適合高年級本科生、研究生及相關研究人員。
作者介紹
編者:王國長//王丙參|責編:曾鑫華//彭琳惠
目錄
前言
第1章  統計學習基礎
  1.1  統計學習緒論
  1.2  監督學習
  1.3  模型評估度量
  1.4  矩陣運算知識
  本章習題
第2章  R簡明教程
  2.1  R概況
  2.2  R向量
  2.3  矩陣與數組
  2.4  因子、列表與數據框
  2.5  程序設計
  2.6  R語言繪圖基礎
  2.7  多元數據可視化
  2.8  基於R語言的蒙特卡羅方法
  本章習題
第3章  無監督降維方法
  3.1  主成分分析
  3.2  因子分析
  3.3  多維標度分析
  3.4  非負矩陣分解評價法與中國經濟高質量發展統計評價
  本章習題
第4章  線性回歸模型
  4.1  多元線性回歸模型
  4.2  回歸診斷
  4.3  主成分回歸
  4.4  偏最小二乘回歸
  4.5  子集選擇方法
  4.6  子集選擇準則
  4.7  廣義逆和嶺回歸
  4.8  CV和GCV
  4.9  大數據情形下的線性回歸模型估計方法
  本章習題
第5章  變數選擇與特徵篩選方法
  5.1  橋回歸
  5.2  懲罰函數的選擇
  5.3  LASSO和L?正則化
  5.4  SCAD和自適應LASSO方法
  5.5  演算法求解
  5.6  懲罰參數的選取
  5.7  基於相關係數的特徵篩選
  5.8  模型自由的特徵篩選
  5.9  特徵篩選和變數選擇
  本章習題
第6章  廣義線性模型
  6.1  廣義線性模型的定義
  6.2  懲罰似然的變數選擇方法
  6.3  懲罰參數的選擇
  6.4  廣義線性模型的特徵篩選方法

  6.5  廣義線性模型子集抽樣和分散式估計方法
  本章習題
第7章  聚類分析
  7.1  分類學
  7.2  聚類分析方法簡介
  7.3  距離與相似係數
  7.4  系統聚類法
  7.5  動態聚類法
  7.6  改進傳統距離聚類方法
  7.7  基於多元數據的譜聚類演算法改進與聚類個數確定
  本章習題
第8章  分類基本方法
  8.1  距離判別法
  8.2  貝葉斯判別法
  8.3  Fisher判別法
  8.4  樸素貝葉斯分類法
  8.5  K最近鄰分類演算法
  8.6  支持向量機
  本章習題
第9章  決策樹與集成學習
  9.1  決策樹演算法
  9.2  分類與回歸樹演算法
  9.3  Boosting演算法
  9.4  Bagging演算法
  9.5  隨機森林
  本章習題
參考文獻

  • 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