高维数据统计方法、理论与应用
全新正版 极速发货
￥ 67.17 4.9折 ￥ 138 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者(瑞士)彼得·布尔曼(Peter Buhlmann),(瑞士)萨拉范德·吉尔(Sara Vam De Geer)
出版社国防工业出版社
ISBN9787118115406
出版时间2018-09
装帧精装
开本其他
定价138元
货号1201788118
上书时间2024-06-21
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章绪论
1.1框架结构
1.2潜在价值和挑战
1.3关于本书
1.3.1本书的组织结构
1.4实例
1.4.1基因学中的生物标记发现及预测
第2章线性模型中的Lasso
2.1本章的组织结构
2.2引言及预备知识
2.2.1Lasso评估量
2.3正交观测量
2.4预测
2.4.1Lass0预测的实际应用
2.4.2渐进理论的一些结果
2.5变量筛选和IIB-B0IIq-范数
2.5.1变量筛选中的调谐参数选择
2.5.2针对DNA结合点的M0tif回归
2.6变量选择
2.6.1邻域稳定性和irrepresentable条件
2.7总结关键性质和相关假设
2.8自适应Lasso：两阶段流程
2.8.1说明：仿真数据和motif回归
2.8.2正交观测量
2.8.3自适应Lasso：弱条件下的变量选择
2.8.4计算
2.8.5多步骤自适应Lasso
2.8.6非凸的惩罚函数
……
第3章广义线性模型和Lasso
第4章GroupLasso
第5章加性模型和单变量平滑函数
第6章Lasso理论
第7章使用Lasso做变量选择
第8章l1l2-惩罚过程理论
第9章非凸损失函数与l1-正则化
第10章稳定解
第11章线性模型及拓展的p-值
第12章贪婪算法及Booting算法
第13章图形化建模
第14章概率以及矩不等式
内容摘要
本书融合了高维数据的方法概念、计算算法以及高维统计学方面的数学理论和应用，以实际数据的分析应用为牵引，以数学方法和定理的推倒为依据，详细介绍了基于Lasso的高维数据变量选择、估计与预测，并结合实例进行分析比较。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价