统计学习导论

统计学习导论

(美) 詹姆斯 (James,G.) , 等著

出版社:机械工业出版社

年代:2015

定价:69.0

书籍简介:

本书概述了统计学习领域,提供了理解大数据和复杂数据必不可少的工具,这些数据来自近20年来生物学、金融学、市场营销学和天体物理学等领域。书中介绍了一些最重要的建模方法和预测技术,以及它们的相关应用。内容涉及线性回归、分类、再抽样方法、压缩方法、基于树的方法和聚类等,用彩图和实例来阐释相关方法。因为本教材的主要目标是方便自然科学、工业和其他领域的从业者使用统计学习技术,所以每章都有在R中实现所介绍的分析方法的指导内容。本书只假定读者先修《线性回归》课程,并不要求读者具有矩阵代数知识。读者对象是那些希望利用前沿的统计学习技术来分析数据的人士,既包括统计学专业的师生,也包括非统计学专业的人员。

作者介绍:

Gareth James 斯坦福大学统计学博士毕业,师从Trevor Hastie。现为南加州大学马歇尔商学院统计学教授,美国统计学会会士,数理统计协会终身会员,新西兰统计协会会员。《Statistica Sinica》、《Applications and Case Studies》、《Theory and Methods》等期刊的副主编。   Daniela Witten 斯坦福大学统计学博士毕业,师从Robert Tibshirani。现为华盛顿大学生物统计学副教授,美国统计学会和国际数理统计协会会士,《Journal of Computational and Graphical Statistics》和《Biometrika》等期刊副主编。   Trevor Hastie 美国统计学家和计算机科学家,斯坦福大学统计学教授,英国皇家统计学会、国际数理统计协会和美国统计学会会士。Hastie参与开发了 R 中的大部分统计建模软件和环境,发明了主曲线和主曲面。   Robert Tibshirani 斯坦福大学统计学教授,国际数理统计协会、美国统计学会和加拿大皇家学会会士,1996年COPSS总统奖得主,提出lasso方法。Hastie和Tibshirani都是统计学习领域的泰山北斗,两人合著《The Elements of Statistical Learning》,还合作讲授斯坦福大学的公开课《统计学习》。

书籍目录:

中文版序

译者序

前言

第1章导论

1.1统计学习概述

1.2统计学习简史

1.3关于这本书

1.4这本书适用的读者群

1.5记号与简单的矩阵代数

1.6本书的内容安排

1.7用于实验和习题的数据集

1.8本书网站

1.9致谢

第2章统计学习

2.1什么是统计学习

2.2评价模型精度

2.3实验: R语言简介

2.4习题

第3章线性回归

3.1简单线性回归

3.2多元线性回归

3.3回归模型中的其他注意事项

3.4营销计划

3.5线性回归与K最近邻法的比较

3.6实验:线性回归

3.7习题

第4章分类

4.1分类问题概述

4.2为什么线性回归不可用

4.3逻辑斯谛回归

4.4线性判别分析

4.5分类方法的比较

4.6R实验:逻辑斯谛回归、LDA、QDA和KNN

4.7习题

第5章重抽样方法

5.1交叉验证法

5.2自助法

5.3实验:交叉验证法和自助法

5.4习题

第6章线性模型选择与正则化

6.1子集选择

6.2压缩估计方法

6.3降维方法

6.4高维问题

6.5实验1:子集选择方法

6.6实验2:岭回归和lasso

6.7实验3:PCR和PLS回归

6.8习题

第7章非线性模型

7.1多项式回归

7.2阶梯函数

7.3基函数

7.4回归样条

7.5光滑样条

7.6局部回归

7.7广义可加模型

7.8实验:非线性建模

7.9习题

第8章基于树的方法

8.1决策树基本原理

8.2装袋法、随机森林和提升法

8.3实验:决策树

8.4习题

第9章支持向量机

9.1最大间隔分类器

9.2支持向量分类器

9.3狭义的支持向量机

9.4多分类的SVM

9.5与逻辑斯谛回归的关系

9.6实验:支持向量机

9.7习题

第10章无指导学习

10.1无指导学习的挑战

10.2主成分分析

10.3聚类分析方法

10.4实验1:主成分分析

10.5实验2:聚类分析

10.6实验3:以NCI60数据为例

10.7习题

内容摘要:

统计学习是一套以复杂数据建模和数据理解为目的的工具集,是近期才发展起来的统计学的一个新领域。本书出自统计学习领域声名显赫的几位专家,结合R语言介绍了分析大数据必不可少的工具,提供一些最重要的建模和预测技术,并借助丰富的实验来解释如何用R语言实现统计学习方法。论题包括线性回归、分类、重抽样方法、压缩方法、基于树的方法、支持向量机、聚类等,作者借助彩图和实际案例直观解释这些方法。为了读者更好地理解书中内容,每章后还配有丰富的概念性和应用性练习题。
  书中内容与《The Elements of Statistical Learning》的大部分内容相同,但是本书起点低,弱化了数学推导的细节,更注重方法的应用,所以更适合作为入门教材。当然,这本《统计学习导论》不仅是优秀的“统计学习”或“机器学习”课程的教材,也是数据挖掘、数据分析等相关从业者不可或缺的参考书。

书籍规格:

书籍详细信息
书名统计学习导论站内查询相似图书
丛书名数据科学与工程技术丛书
9787111497714
如需购买下载《统计学习导论》pdf扫描版电子书或查询更多相关信息,请直接复制isbn,搜索即可全网搜索该ISBN
出版地北京出版单位机械工业出版社
版次1版印次1
定价(元)69.0语种简体中文
尺寸19 × 24装帧平装
页数 426 印数 4000

书籍信息归属:

统计学习导论是机械工业出版社于2015.4出版的中图分类号为 C8 的主题关于 统计学-研究 的书籍。