应用回归及分类——基于r与python的实现 第2版 统计 吴喜之,张敏 编
none
￥ 27.55 6.0折 ￥ 46 全新
库存4件
北京丰台
认证卖家担保交易快速发货售后保障
作者吴喜之,张敏 编
出版社中国人民大学出版社
ISBN9787300286396
出版时间2020-10
版次2
装帧平装
开本16
页数340页
字数501千字
定价46元
货号xhwx_1202156752
上书时间2024-12-18
- 在售商品 暂无
- 平均发货时间 26小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
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和机器学不同模型的协和
1.2.3评价和对比模型
1.3数理统计中显著检验及置信区间本质的启示
1.3.1关于正态均值肛的显著检验的逻辑过程
1.3.2显著检验的逻辑错误
1.3.3关于正态均值肛的置信区间与相应设检验的等价
1.3.4究竟有没有必要花那么大功夫去研究均值？
第2章经典线回归
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”是对系数而言
2.2用小二乘法估计线模型
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自变量为定变量的情况
2.3回归系数的大小没有可解释
2.3.1“皇帝的新衣”
2.3.2小二乘线回归仅仅是回归方法之一，过多的延伸是浪费
2.4关于线回归系数的质和推断*
2.4.1基本定
2.4.2关于h0:βi＝0?h1:βi≠0的t检验
2.4.3关于多自变量系数复合设f检验及方差分析表
2.4.4定变量的显著必须从方差分析表看出
2.4.5关于残差的检验及点图
2.5通过一个“教科书数据”来理解简单小二乘回归
2.5.1几种竞争的线模型
2.5.2孤立看模型可能会产生多个模型都“正确”的结论
2.5.3多个模型相比较以得到相对较好的模型
2.5.4对嘌呤霉素数据（例2.5）的6个模型做预测精度的交验证
2.6一个“非教科书数据”的例子
2.6.1线回归的尝试
2.6.2和其他方法的交验证比较
2.7处理线回归多重共线的经典方法*
2.7.1多重共线
2.7.2逐步回归
2.7.3岭回归
2.7.4lasso回归
2.7.5适应lasso回归
2.7.6偏小二乘回归
2.7.7糖尿病数据（例2.7）：比较几种方法的预测
2.8损失函数及分位数回归简介
2.8.1损失函数
2.8.2恩格尔数据例子的分位数回归
2.9本章python运行代码
2.9.1例2.1汽车数据
2.9.2例2.2岩心数据
2.9.3例2.4植物生长数据
2.9.4例2.5嘌呤霉素数据
2.9.5例2.6混凝土强度数据
……
第3章广义线模型
第4章机器学回归方法
第5章经典分类：判别分析
第6章机器学分类方法
第7章混合效应模型*
第8章生存分析及cox模型*
第9章基本软件：r和python
参文献
内容简介：
本书的宗旨是既要介绍传统的回归和分类方法，又要引入大量更加有效的机器学方法，并且通过实际例子，运用r和python两种软件来让读者理解各种方法的意义和实践，能够自主做数据分析并得到结论。本书主要内容包括：经典线回归、广义线模型、混合效应模型（分层模型）、机器学回归方法（决策树、bagging、森林、各种booting方法、人工神经网络、支持向量机、k近邻方法）、生存分析及cox模型、经典判别分析与logitic回归分类、机器学分类方法（决策树、bagging、森林、adaboot、人工神经网络、支持向量机、k近邻方法）。其中，混合效应模型、生存分析及cox模型的内容可根据需要选用。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价