应用回归及分类
正版新书 新华官方库房直发 可开电子发票
￥ 24.96 7.8折 ￥ 32 全新
库存4件
作者吴喜之 编著
出版社中国人民大学出版社
ISBN9787300222875
出版时间2016-01
版次1
装帧平装
开本16开
纸张胶版纸
页数236页
字数326千字
定价32元
货号SC:9787300222875
上书时间2024-12-14
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
吴喜之，北京大学数学力学系本科，美国北卡罗来纳大学统计博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所有名学府执教。
内容简介:
本书包括的内容有：经典线性回归、广义线性模型、纵向数据(分层模型)，机器学习回归方法(决策树、bagging、随机森林、mboost、人工神经网络、支持向量机、k最近邻方法)、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法(决策树、bagging、随机森林、adaboost、人工神经网络、支持向量机、k最近邻方法)。其中，纵向数据(分层模型)及生存分析及Cox模型的内容可根据需要选用，所有其他的内容都应该在教学中涉及，可以简化甚至忽略的内容为一些数学推导和某些不那么优秀的模型，不可以忽略的是各种方法的直观意义及理念
目录:
前言
第一章引言
1.1作为科学的统计
1.1.1统计是科学
1.1.2模型驱动的历史及数据驱动的未来
1.1.3数据中的信息是由观测值数目及相关变量的数目决定的
1.2传统参数模型和机器学习算法模型
1.2.1参数模型比算法模型容易解释是伪命题
1.2.2参数模型的竞争模型的对立性和机器学习不同模型的协和性
1.2.3评价和对比模型
1.3国内统计教学及课本的若干误区
1.3.1假设检验的误区：不能拒绝就接受？
1.3.2p值的误区
1.3.3置信区间的误区
1.3.4样本量是多少才算大样本？
1.3.5用31个省市自治区数据能做什么？
1.3.6汇总数据（比如部分均值）和原始观测值的区别
1.4R软件入门
1.4.1简介
1.4.2安装和运行小贴士
1.4.3动手
1.5习题
第二章经典线性回归
2.1模型形式
2.1.1自变量为一个数量变量的情况
2.1.2自变量为多个数量变量的情况
2.1.3“线性”是对系数而言的
2.2用最小二乘法估计线性模型
2.2.1一个数量自变量的情况
2.2.2指数变换
2.2.3多个数量自变量的情况
2.2.4自变量为定性变量的情况
2.3关于系数的性质和推断
2.3.1基本假定
2.3.2关于H0：βi=0=H1：βi≠0的t检验
2.3.3关于多自变量系数复合假设F检验及方差分析表
2.3.4定性变量的显著性
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价