概率与统计
正版保障 假一赔十 电子发票
￥ 90.73 6.5折 ￥ 139 全新
库存11件
作者[美]大卫·福赛斯（DavidForsyth）著，张文博，周清，杨建奎 译
出版社机械工业出版社
ISBN9787111695844
出版时间2022-01
装帧平装
开本16开
定价139元
货号9787111695844-139
上书时间2024-06-07
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
大卫·福赛斯（David Forsyth） 曾在艾奥瓦大学任教3年，在加州大学伯克利分校任教10年，之后到伊利诺伊大学任教。他是2000、2011、2018年IEEE计算机视觉和模式识别会议（CVPR）的程序委员会共同主席，2006年CVPR和2019年IEEE国际计算机视觉会议（ICCV）的大会共同主席，2008年欧洲计算机视觉会议（ECCV）的程序委员会共同主席，而且是所有主要的计算机视觉国际会议的程序委员会成员。此外，他还在SIGGRAPH程序委员会任职了6届。他于2006年获得IEEE技术成就奖，并分别于2009年和2014年成为IEEE会士和ACM会士。
目录
前言
致谢
作者简介
符号和约定
部分 数据集的描述
章 查看数据的个工具
1.1 数据集
1.2 正在发生什么？绘制数据的图形
1.2.1 条形图
1.2.2 直方图
1.2.3 如何制作直方图
1.2.4 条件直方图
1.3 汇总一维数据
1.3.1 均值
1.3.2 标准差
1.3.3 在线计算均值和标准差
1.3.4 方差
1.3.5 中位数
1.3.6 四分位距
1.3.7 合理使用汇总数据
1.4 图形和总结
1.4.1 直方图的一些性质
1.4.2 标准坐标和正态数据
1.4.3 箱形图
1.5 谁的更大？澳大利亚比萨调查
问题
编程练习
第2章 关注关系
2.1 二维数据绘图
2.1.1 分类数据、计数和图表
2.1.2 序列
2.1.3 空间数据散点图
2.1.4 用散点图揭示关系
2.2 相关
2.2.1 相关系数
2.2.2 用相关性预测
2.2.3 相关性带来的困惑
2.3 野生马群中的不育公马
问题
编程练习
第二部分 概率
第3章 概率论基础
3.1 实验、结果和概率
3.2 事件
3.2.1 通过计数结果来计算事件
3.2.2 事件概率
3.2.3 通过对集合的推理来计算概率
3.3 独立性
3.4 条件概率
3.4.1 计算条件概率
3.4.2 检测罕见事件是困难的
……
第三部分 推断
第四部分 工具
第五部分 其他数学知识
内容摘要
本书面向计算机科学专业的本科生，全面系统地阐述概率与统计相关知识，旨在揭示概率和统计的思想。全书共分为五部分：部分——数据集的描述，涵盖各种描述性统计量（均值、标准差、方差）、一维数据集的可视化方法，以及散点图、相关性和二维数据集的描述；第二部分——概率，涵盖离散型概率、条件概率、连续型概率、马尔可夫不等式、切比雪夫不等式及弱大数定律等；第三部分——推断，涵盖样本、总体、置信区间、统计显著性、实验设计、方差分析和简单贝叶斯推断等；第四部分——工具，涵盖主成分分析、很近邻分类、朴素贝叶斯分类、k均值聚类、线性回归、隐马尔可夫模型等；第五部分——其他数学知识，汇总了一些有用的数学事实。
主编推荐
本书是一本面向计算机科学专业学生的概率统计教材。书中全面介绍了定性和定量数据分析、概率论、随机变量以及包括机器学习在内的统计方法。 全书包含丰富的图示，重点章节都包含大量的实例，以及许多其他教学元素，如流程、定义、有用的事实及注记（小技巧）。部分章节末尾附有“问题”和“编程练习”，帮助读者巩固应该掌握的要点。本书特色 ·侧重介绍离散情形的随机变量和期望。 ·以实用的方式介绍仿真，表明有多少感兴趣的概率和期望可以被提取，并着重介绍马尔可夫链。 ·简明而清晰地阐释简单情形的点推断策略（极大似然、贝叶斯推断），并将其扩展到有放回随机抽样的置信区间、样本和总体，以及很简单的假设检验。 ·深入浅出地讲解分类，解释分类为什么有用，如何用随机梯度下降法训练SVM分类器，如何用随机森林和很近邻等更不错的方法实现分类。 ·详细介绍回归，说明如何建立并使用线性回归和很近邻回归解决实际问题。 ·通过大量实例详细讲解主成分分析，并通过主坐标分析简要概述多维放缩。 ·详细介绍如何通过聚合方法和k均值进行聚类，以及如何构建复杂信号的向量量化特征。
— 没有更多了 —
以下为对购买帮助不大的评价