統計學習導論——基於R套用

內容簡介

本書概述了統計學習領域，提供了理解大數據和複雜數據必不可少的工具，這些數據來自近20年來生物學、金融學、市場行銷學和天體物理學等領域。書中介紹了一些最重要的建模方法和預測技術，以及它們的相關套用。內容涉及線性回歸、分類、再抽樣方法、壓縮方法、基於樹的方法和聚類等，用彩圖和實例來闡釋相關方法。因為本教材的主要目標是方便自然科學、工業和其他領域的從業者使用統計學習技術，所以每章都有在R中實現所介紹的分析方法的指導內容。本書只假定讀者先修《線性回歸》課程，並不要求讀者具有矩陣代數知識。讀者對象是那些希望利用前沿的統計學習技術來分析數據的人士，既包括統計學專業的師生，也包括非統計學專業的人員。

作者簡介

Gareth James　史丹福大學統計學博士畢業，師從Trevor Hastie。現為南加州大學馬歇爾商學院統計學教授，美國統計學會會士，數理統計協會終身會員，紐西蘭統計協會會員。《Statistica Sinica》、《Applications and Case Studies》、《Theory and Methods》等期刊的副主編。
Daniela Witten　史丹福大學統計學博士畢業，師從Robert Tibshirani。現為華盛頓大學生物統計學副教授，美國統計學會和國際數理統計協會會士，《Journal of Computational and Graphical Statistics》和《Biometrika》等期刊副主編。
Trevor Hastie　美國統計學家和計算機科學家，史丹福大學統計學教授，英國皇家統計學會、國際數理統計協會和美國統計學會會士。Hastie參與開發了 R 中的大部分統計建模軟體和環境，發明了主曲線和主曲面。
Robert Tibshirani　史丹福大學統計學教授，國際數理統計協會、美國統計學會和加拿大皇家學會會士，1996年COPSS總統獎得主，提出lasso方法。Hastie和Tibshirani都是統計學習領域的泰山北斗，兩人合著《The Elements of Statistical Learning》，還合作講授史丹福大學的公開課《統計學習》。

圖書目錄

中文版序
譯者序
前言
第1章導論
11統計學習概述
12統計學習簡史
13關於這本書
14這本書適用的讀者群
15記號與簡單的矩陣代數
16本書的內容安排
17用於實驗和習題的數據集
18本書網站
19致謝
第2章統計學習
21什麼是統計學習
22評價模型精度
23實驗： R語言簡介
24習題
第3章線性回歸
31簡單線性回歸
32多元線性回歸
33回歸模型中的其他注意事項
34行銷計畫
35線性回歸與K最近鄰法的比較
36實驗：線性回歸
37習題
第4章分類
41分類問題概述
42為什麼線性回歸不可用
43邏輯斯諦回歸
44線性判別分析
45分類方法的比較
46R實驗：邏輯斯諦回歸、LDA、QDA和KNN
47習題
第5章重抽樣方法
51交叉驗證法
52自助法
53實驗：交叉驗證法和自助法
54習題
第6章線性模型選擇與正則化
61子集選擇
62壓縮估計方法
63降維方法
64高維問題
65實驗1：子集選擇方法
66實驗2：嶺回歸和lasso
67實驗3：PCR和PLS回歸
68習題
第7章非線性模型
71多項式回歸
72階梯函式
73基函式
74回歸樣條
75光滑樣條
76局部回歸
77廣義可加模型
78實驗：非線性建模
79習題
第8章基於樹的方法
81決策樹基本原理
82裝袋法、隨機森林和提升法
83實驗：決策樹
84習題
第9章支持向量機
91最大間隔分類器
92支持向量分類器
93狹義的支持向量機
94多分類的SVM
95與邏輯斯諦回歸的關係
96實驗：支持向量機
97習題
第10章無指導學習
101無指導學習的挑戰
102主成分分析
103聚類分析方法
104實驗1：主成分分析
105實驗2：聚類分析
106實驗3：以NCI60數據為例
107習題

統計學習導論——基於R套用

基本介紹

內容簡介

作者簡介

圖書目錄

相關詞條

熱門詞條