正版图书 多元数据分析原理与实践 杨寿渊 清华大学出版社
正版图书 没有图片的请核对书号下单 以书名为准~ 出版时间系统采集的 请注意！
￥ 51.74 6.5折 ￥ 79.9 全新
库存15件
作者杨寿渊
出版社清华大学出版社
ISBN9787302648628
出版时间2023-11
版次1
装帧平装
开本16开
纸张胶版纸
定价79.9元
货号wht- 9787302648628
上书时间2024-07-23
- 在售商品 暂无
- 平均发货时间 26小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 库存新书 未翻阅
- 商品描述
-
基本信息
书名:多元数据分析原理与实践
定价：79.9元
作者:杨寿渊
出版社：清华大学出版社
出版日期：2023-11-01
ISBN：9787302648628
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
本书主要介绍多元数据分析的方法、数学原理、应用实践等，如奇异值分解、多元线性回归分、方差分析、主成分分析、因子分析、聚类分析、多维标度分析、判别分析、典型相关分析、逻辑回归等，对方法原理的讲解深入浅出，同时又不失数学严谨性，对算法和处理流程通过适当的例子作示范，并详尽分析背后的逻辑和原理，同时对每一种核心方法提供一个综合应用实例。
内容提要
本书是多元数据分析的基础教材，内容涵盖方差分析、总体分布和独立性检验、矩阵的奇异值分解、 多元线性回归分析、主成分分析、因子分析、聚类分析、多维标度分析、判别分析、逻辑回归分析、典 型相关分析等多元数据分析的核心内容。写作上力求深入浅出、循序渐进，既照顾学生的理解能力与学 习兴趣，又考虑内容的全面性与深度。本书在内容取舍、习题选择等方面依据作者的教学经验做了仔细 考虑，同时参考国内外的经典教材与文献，力求做到与时俱进，能够与前置和后续课程很好地衔接。 书 中除了方法原理讲解外，还有大量计算和应用实例，并附有完整的 MATLAB 代码和数据集，以及详细 的使用说明和代码注释，读者能够很容易地实现所学方法。每章末尾均有拓展阅读建议，供学有余力或 有兴趣的学生参考。此外，本书还配有用 LaTeX 精心制作的 PDF 课件，方便授课教师使用。 本书可作为基础数学、概率统计、应用数学、大数据、管理科学与工程、金融工程等专业的本科教 材，也可作为相关专业研究生基础课程的教材或参考书。
目录
章 导论与预备知识 11.1 数据分析的研究对象 11.2 向量空间 31.3 范数 71.4 内积空间 91.5 线性变换 121.6 特征值与特征向量 161.7 正交补空间和保范变换 231.8 多维随机变量 261.8.1 随机向量的分布和独立性 261.8.2 随机向量的数字特征 281.8.3 多维正态分布 291.9 多元统计量及抽样分布 361.9.1 总体、样本和统计量 361.9.2 估计量的评价标准 381.9.3 常用的多元抽样分布 41拓展阅读建议 44章习题 44第2章 方差分析 462.1 单变量的均值检验 462.2 单变量的方差分析 492.3 多元均值检验 542.4 多元方差分析 592.5 协方差矩阵相等的检验 622.6 MATLAB方差分析工具 64拓展阅读建议 67第2章习题 68第3章 关于总体分布的检验和独立性检验 693.1 拟合优度检验 693.1.1 多项分布的中心极限定理 693.1.2 拟合优度检验 713.1.3 理论分布中含有未知参数的拟合优度检验 753.2 正态性检验 783.2.1 图示法 793.2.2 拟合优度检验 853.2.3 Kolmogorov-Smirnov检验 873.2.4 偏度和峰度 893.2.5 Jarque-Bera检验 913.3 独立性检验 923.3.1 引例 923.3.2 列联表分析 94拓展阅读建议 96第3章习题 96第4章 奇异值分解 994.1 奇异值分解定理 994.2 几何解释 1044.3 应用 1064.3.1 矩阵的低秩逼近和数据压缩 1064.3.2 超定线性方程组和矩阵的伪逆 112拓展阅读建议 114第4章习题 114第5章 多元线性回归分析 1165.1 线性回归模型 1165.2 二乘估计 1175.3 几何解释 1235.4 偏相关系数 1265.5 线性回归模型的推断及评价 1345.6 实例 137拓展阅读建议 140第5章习题 140第6章 主成分分析 1426.1 概述 1426.2 数学模型 1436.3 主成分模型的解 1446.4 主成分的性质 1476.5 主成分分析的计算实现 1506.6 实践中需要考虑的问题 1546.6.1 适合用主成分法降维的数据 1546.6.2 是否先对数据进行标准化处理 1566.6.3 应该保留多少个主成分 1566.7 实例 161拓展阅读建议 164第6章习题 164第7章 因子分析 1657.1 概述 1657.2 数学模型 1677.3 因子模型的参数估计 1687.3.1 主成分法 1697.3.2 主因子法 1717.3.3 极大似然估计 1737.3.4 三种参数估计法的比较 1767.4 因子旋转 1797.4.1 基本思想 1797.4.2 因子旋转方法 1807.4.3 应用实例 1827.5 因子得分的估计 1867.5.1 二乘法 1867.5.2 加权二乘估计 1877.5.3 回归法 1887.5.4 因子正交旋转对因子得分的影响 1897.5.5 应用实例 189拓展阅读建议 193第7章习题 193第8章 聚类分析 1958.1 概述 1958.2 相似性度量 1968.2.1 距离 1968.2.2 相似系数 1988.2.3 用MATLAB计算距离矩阵和不相似度矩阵 1998.3 系统聚类法 2018.3.1 常用的系统聚类法 2018.3.2 系统聚类法的步骤 2058.3.3 系统聚类的实现 2088.3.4 系统聚类法的性质 2128.4 K-均值聚类 2138.4.1 基本思想与算法 2138.4.2 MATLAB实现 2148.5 聚类分析实践中常遇到的问题 2168.5.1 变量的选取 2168.5.2 确定类的个数 2168.5.3 聚类结果的解释 218拓展阅读建议 220第8章习题 220第9章 多维标度分析 2219.1 概述 2219.2 多维标度分析的古典解 2229.2.1 基本概念 2229.2.2 欧氏距离结构的充要条件 2239.2.3 多维标度分析的古典解 2279.2.4 计算实例 2289.3 多维标度分析的古典解与主成分的联系 2339.4 非度量多维标度分析 2359.4.1 概念及原理 2359.4.2 实现 238拓展阅读建议 241第9章习题 2410章 判别分析和逻辑回归分析 24310.1 概述 24310.2 两个总体的判别分析 24410.2.1 判别模型 24410.2.2 正态总体的平均错判成本判别法 24510.2.3 应用实例 24710.3 多个总体的判别分析 25310.3.1 后验概率和Bayes公式 25310.3.2 Bayes判别法 25410.3.3 平均错判成本判别法 25510.3.4 计算实例 25710.4 Fisher线性判别分析 26210.4.1 基本思想 26210.4.2 Fisher线性判别函数 26310.4.3 计算实例 26610.4.4 MATLAB的判别分析函数 27010.5 逻辑回归模型 27110.5.1 基本思想及数学模型 27110.5.2 模型参数估计 27210.5.3 利用逻辑回归模型分类 27310.5.4 假设检验 27410.5.5 应用实例 27510.6 多分类的softmax回归模型 27810.6.1 模型与参数估计方法 27810.6.2 应用实例 279拓展阅读建议 2810章习题 2811章 典型相关分析 28411.1 概述 28411.2 数学模型及求解 28511.2.1 数学模型 28511.2.2 模型求解 28611.2.3 典型相关系数的显著性检验 28911.3 MATLAB实现及应用实例 28911.3.1 MATLAB实现 28911.3.2 应用实例 293拓展阅读建议 2951章习题 296附录A 2分布、t分布和F分布 298附录B 多元正态总体参数的极大似然估计 305附录C 顺序统计量和经验分布函数 309C.1 顺序统计量 309C.2 经验分布函数 311附录D 矩阵函数的求导公式 317部分习题答案 321参考文献 336
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价