消息首页搜索举报

R统计高级编程和数据模型分析、机器学习和可视化

65.93 5.2折 128 九五品

仅1件

北京通州

认证卖家担保交易快速发货售后保障

作者[美]马特·威利(MattWiley),[美]约书亚·F.威

出版社清华大学出版社

ISBN9787302557005

出版时间2020-07

版次1

装帧平装

开本16开

纸张胶版纸

定价128元

上书时间2024-05-20

纵列風

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 22小时
好评率暂无

最新上架

2008电脑软装备 ¥13.89

PC宝贝2008：windows XP操作就这500招 ¥9.75

2008数码大家庭 ¥16.00

大数据分析与应用基础 ¥27.16

解码智能时代 ¥15.38

解码智能时代 ¥17.75

融合多源异构数据的推荐与检索 ¥45.24

C语言程序设计与实践 ¥34.55

数据库基础 ¥21.16

商品详情

品相描述：九五品

商品描述: 基本信息
书名:R统计高级编程和数据模型分析、机器学习和可视化
定价：128.00元
作者:[美]马特·威利(MattWiley),[美]约书亚·F.威利(JoshuaF.Wiley) 著,吴文国胡明晓译
出版社：清华大学出版社
出版日期：2020-07-01
ISBN：9787302557005
字数：
页码：
版次：
装帧：平装
开本：128开
商品重量：
编辑推荐
《R统计高级编程和数据模型　分析、机器学习和可视化》介绍使用R语言进行统计分析的各种高级方法，如广义可加模型、混合效应模型、多重插补以及数据缺失处理技术。本书前几章介绍相关技术的背景知识，然后给出一些具体实例，这些实例展示了如何使用R语言获得期望的结果。本书还向读者介绍如何使用流行的R语言进行数据分析，读者可以钻研统计测试和统计技术的先决条件，通过实例掌握将R语言应用于高级数据分析的技术。本书是使用和编写R语言程序的手册和参考书。
内容提要
如何使用R语言进行高级数据分析，涉及的技术包括广义线性模型、广义可加模型、混合效应模型、机器学习、并行处理如何使用R语言的数据可视化技术实现回归，如线性回归和高级回归，并了解回归样条和可加模型如何使用R语言实现机器学习，包含平行处理、降维、特征选取和分类如何使用R语言的多重插补技术解决数据缺失问题如何使用广义线性可加模型实现普通量、二值量和计次量的输出，如何使用自采样法(Bootstrapping)分析不确定性学习如何对个体内的变异性进行建模，进而捕捉个体在方法以及时间稳定性上的差异
目录
章单变量数据可视化 11.1 分布 21.1.1 可视化观测数据的分布 21.1.2 堆积点阵图与直方图 21.1.3 经验密度图 41.1.4 比较观测分布与期望分布 61.1.5 图 71.1.6 比较经验密度图与期望分布的密度图 101.1.7 其他分布的拟合 111.2 异常值 161.3 小结 23第2章多变量数据可视化 252.1 分布 252.2 奇异值 302.3 变量之间的关系 332.4 小结 45第3章 GLM Ⅰ 473.1 概念背景 483.2 分类预测器和虚拟编码 493.2.1 二级分类预测器 493.2.2 三级或三级以上的分类预测值 503.3 交互作用和调节效应 523.4 公式接口 533.5 方差分析 553.5.1 概念背景 553.5.2 R语言的ANOVA函数 583.6 线性回归 613.6.1 概念背景 613.6.2 R语言中的线性回归 623.6.3 高性能线性回归 763.7 控制混合影响 783.8 案例研究：多线性回归与交互作用 863.9 小结 93第4章 GLM Ⅱ 954.1 概念背景 964.1.1 Logistic回归 964.1.2 计数回归 974.2 R程序示例 994.2.1 二项Logistic回归 994.2.2 有序Logistic回归 1064.2.3 多分类Logistic回归 1094.2.4 泊松回归和负二项回归 1134.3 案例研究：多项Logistic回归 1194.4 小结 127第5章广义可加模型 1295.1 概念背景 1305.2 R语言中的GAM模型 1365.2.1 高斯因变量 1365.2.2 二值因变量 1595.2.3 无序因变量 1645.2.4 计数因变量 1685.3 小结 176第6章机器学习：引言 1796.1 训练数据和验证数据 1806.2 重采样和交叉验证 1866.3 自采样法 1896.4 并行处理和随机数 1916.5 小结 198第7章机器学习：无监督学习 2017.1 数据背景和探索性分析 2027.2 k-均值聚类算法 2127.3 层次聚类算法 2237.4 主成分分析 2357.5 非线性聚类分析 2457.6 小结 246第8章机器学习：监督学习 2498.1 数据准备 2508.1.1 独热编码 2528.1.2 定标化与中心化 2548.1.3 变换 2558.1.4 训练数据与验证数据 2608.1.5 主成分分析 2618.2 监督学习模型 2668.2.1 支持向量机 2678.2.2 分类与回归树 2768.2.3 随机森林 2828.2.4 随机梯度提升 2888.2.5 多层感知机 2978.3 小结 318第9章缺失数据 3219.1 概念背景 3229.2 R示例 3289.2.1 回归模型与多重插补 3329.2.2 多重插补与并行处理 3429.2.3 使用随机森林法实现多重插补 3459.3 案例研究：使用RF实现多重插补 3499.4 小结 3600章 GLMM：引言 36110.1 多层数据 36210.1.1 数据重整 36310.1.2 日记研究数据集 36510.2 描述性统计量 36810.2.1 基本描述量 37010.2.2 组内相关系数(ICC) 37610.3 探索与假设 37910.3.1 分布与奇异值 37910.3.2 时间趋势 38410.3.3 自相关 38610.3.4 假设 39010.4 小结 3951章 GLMM：线性 39711.1 理论 39811.1.1 广义线性混合模型 39811.1.2 术语混合效应和多层次模型 40111.1.3 统计推断 40211.1.4 效应量 40311.1.5 随机截距模型 40411.1.6 可视化随机效应 40411.1.7 解释随机截距模型 40911.1.8 随机截距斜率模型 41611.1.9 将截距和斜率作为因变量 42011.2 R示例 42511.2.1 随机截距的线性混合模型 42511.2.2 随机截距和随机斜率的线性混合模型 43711.3 小结 4532章 GLMM：高级 45712.1 概念背景 45812.2 Logistic广义线性混合模型 45812.2.1 随机截距 45812.2.2 随机截距和随机斜率 46312.3 泊松分布和负二项分布GLMM 46712.3.1 随机截距 46712.3.2 随机截距和随机斜率 47712.4 小结 4863章建模IIV 48913.1 概念背景 49013.1.1 贝叶斯推断 49013.1.2 什么是IIV 49013.1.3 将IIV作为预测量 49513.1.4 软件实现：VARIAN 49913.2 R程序示例 50013.3 小结 508
作者介绍
Matt Wiley 数学专业终身副教授，他在数学教育和学生培养方面获得过许多奖项。Matt在加州大学和得克萨斯 A&M大学获得了理论数学学位、计算机科学学位和工商管理学位。他是维多利亚学院质量提升项目的主任，负责学院综合评估、关键绩效指标管理、一键式报表生成器和校园师生数据咨询等工作。他还兼职Elkhart集团有限责任公司的管理工作，是该公司的数据咨询师。Matt在R语言、SQL、C 、Ruby、Fortran和JavaScript等语言方面具有丰富的编程经验。他喜欢把自己的热情融入程序设计中，从逻辑问题求解和数据科学中找到乐趣。从董事会会议室到教室，他总是能找到合适的方法来与不同学科和不同领域的团队建立起良好的合作关系，他总是能把复杂的思想和项目变得容易理解和解决。Joshua F.Wiley 莫纳什大学认知与临床神经科学学院和心理学学院讲师，他在加州大学洛杉矶分校获得了博士学位，并在初级保健和预防领域完成了博士后训练。Joshua研究如何用先进的量化方法理解心理因素之间的动态关系、睡眠以及其他与身心健康有关的行为。他开发或与他人共同开发了众多R语言包，如用于建立位置尺度结构化方程模型的varian包，能够把R语言链接到商业软件Mplus的MplusAutomation包，他还设计了许多数据分析函数和能够加快JWileymisc处理速度的函数。译者简介吴文国温州大学计算机科学与人工智能学院副教授、博士，从事计算机专业基础课教学工作，讲授C程序设计、C 程序设计、Python程序设计、数据结构与算法等课程，研究方向是算法、数据挖掘和人工智能，他还翻译了许多计算机专业的英文图书。
序言