统计计算与智能分析理论及其Python实践

图书标准信息

• 作者 燕雪峰
• 出版社 电子工业出版社
• 出版时间 2022-02
• 版次 1
• ISBN 9787121426087
• 定价 159.00元
• 装帧 其他
• 开本 16开
• 页数 408页
• 字数 0.6千字

【内容简介】

本书介绍统计计算与智能分析基础理论以及基于Python的模型算法实现。全书由13章组成，主要内容有：随机数生成技术；数据探索性分析；特征提取与选择方法；期望算法；Markov链蒙特卡罗方法；重采样技术；重要采样技术；序贯重要性采样；非参数概率密度估计；非参数回归分析；树模型理论；概率图模型；模型性能评价技术。

【作者简介】

燕雪峰，男，1974年4月出生，江苏泰兴人。2005年3月于北京理工大学获计算机应用技术专业工学博士。南京航空航天大学计算机科学与技术学院教授，博士生导师，副院长，江苏省六大人才高峰。长期从事面向领域的复杂装备系统工程方法论研究及应用、复杂体系建模与评估工作。承担与本书相关的国家重点研发计划课题、国防基础科研重点项目、装发重点项目和一般项目8项。相关研究发行英文专著一部，近5来在国内外期刊、会议上发表论文30余篇，其中SCI 5篇，CCF会议论文和EI期刊论文10余篇，重要核心论文5篇。先后获国防科工局科技进步奖二等奖、江苏省级教改一等奖。

【目录】

第 1章 随机数生成技术..............................................................1 

1.1标准分布的随机数生成 ....................................................... 1 

1.1.1连续型随机变量仿真生成 ...................................................2 

1.1.2离散型随机变量仿真生成 ..................................................10 

1.2非标准分布的随机数生成 ................................................... 14 

1.2.1逆变换法 ............................................................... 14 

1.2.2接受-拒绝法与自适应拒绝法 ............................................... 16 

1.2.3组合法 ................................................................. 22 

1.3随机过程的随机数生成 ......................................................26 

1.3.1马尔可夫过程仿真生成....................................................27 

1.3.2泊松过程仿真生成 ....................................................... 31 

1.3.3维纳过程仿真生成 ....................................................... 35 

1.4基于变分自编码器模型的数据生成 .......................................... 36 

1.4.1 VAE模型基本思想.......................................................37 

1.4.2变分自编码器模型 ....................................................... 37 

1.5基于生成式对抗网络的数据生成 .............................................46 

1.5.1 GANs的基本原理 ....................................................... 46 

1.5.2 GANs理论推导 ......................................................... 48 

1.5.3 GANs算法的近优算法 ................................................... 53 

1.6习题 ........................................................................ 57

第 2章 探索性数据分析 ............................................................ 61 

2.1一维探索性数据分析 ........................................................ 61 

2.1.1汇总统计量 ............................................................. 62 

2.1.2直方图 ................................................................. 65 

2.1.3茎叶图 ................................................................. 66 

2.1.4箱线图 ................................................................. 68 

2.1.5正态概率图 ............................................................. 70 

2.1.6 Q-Q图 .................................................................72 

2.2多维探索性数据分析 ........................................................ 75 

2.2.1多属性统计量 ........................................................... 75 

2.2.2散点图 ................................................................. 77 

2.2.3边缘直方图 ............................................................. 83 

2.2.4边缘箱形图 ............................................................. 84 

2.2.5成对图 ................................................................. 86 

2.2.6 Box-Cox线性变换图 ..................................................... 87 

2.2.7自相关图和偏自相关图....................................................90 

2.2.8交叉相关图 .............................................................94 

2.2.9滞后图 ................................................................. 95 

2.3习题 ........................................................................ 97

第 3章 特征提取与选择方法 .......................................................100 

3.1特征提取方法 ..............................................................100 

3.1.1主成分分析 ............................................................ 100 

3.1.2因子分析 .............................................................. 109 

3.1.3独立分量分析 .......................................................... 115 

3.1.4线性判别分析 .......................................................... 125 

3.2时间序列的特征提取方法 .................................................. 130 

3.2.1 STL分解算法 ..........................................................130 

3.2.2经验模态分解 .......................................................... 132 

3.2.3奇异谱分析方法 ........................................................ 139 

3.2.4小波变换 .............................................................. 143 

3.3特征选择方法 ..............................................................160 

3.3.1过滤特征选择 .......................................................... 161 

3.3.2 Wrapper法 ............................................................163 

3.3.3 Embedded法 .......................................................... 166 

3.3.4贝叶斯统计和正则化 .................................................... 168 

3.4习题 .......................................................................173

第 4章 期望算法..............................................................176 

4.1从极大似然估计到 EM算法 ............................................... 176 

4.2 EM算法原理与实现 ....................................................... 178 

4.2.1 EM算法原理 .......................................................... 178 

4.2.2 EM算法 .............................................................. 180 

4.3 EM算法应用 .............................................................. 184 

4.3.1 K-Means聚类算法 ......................................................184 

4.3.2高斯混合模型聚类算法 .................................................. 187 

4.3.3 K-Means和 GMM的关系 ............................................... 195 

4.4习题 .......................................................................195

第 5章 马尔可夫链蒙特卡罗方法 .................................................. 197 

5.1蒙特卡罗方法引入 ......................................................... 197 

5.2马尔可夫链蒙特卡罗方法 .................................................. 198 

5.3 Metropolis-Hastings采样 .................................................. 200 

5.3.1 Metropolis采样算法 .................................................... 200 

5.3.2 Metropolis-Hastings采样算法 ............................................ 204 

5.3.3多维 Metropolis-Hastings采样算法 ....................................... 207 

5.4 Gibbs采样 ................................................................ 209 

5.5马尔可夫链蒙特卡罗方法应用 ..............................................213 

5.5.1基于 MCMC的贝叶斯统计推断...........................................213 

5.5.2可逆跳转 MCMC方法 .................................................. 215 

5.6习题 .......................................................................220

第 6章 重采样技术 ................................................................222 

6.1刀切法.....................................................................222 

6.1.1刀切法基本原理 ........................................................ 222 

6.1.2刀切法算法与实现 ...................................................... 225 

6.2自助法.....................................................................225 

6.2.1自助法基本原理 ........................................................ 225 

6.2.2 Rn的统计特性 ......................................................... 229 

6.3重采样技术的应用 ......................................................... 230 

6.3.1 Bagging算法 .......................................................... 230 

6.3.2 Boosting算法 ..........................................................237