图文详情

统计学习导论：基于R应用

[美]罗伯特·提布施瓦尼（RobertTibshirani）著；[美]加雷斯·詹姆斯(GarethJames)丹妮拉·威滕（DanielaWitten）；[美]特雷弗·哈斯帖（TrevorHastie） / 机械工业出版社 / 2023-02 / 平装

售价 35.00 3.2折

定价￥109.00

品相 八五品

优惠

发货

承诺48小时内发货

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2026-10-18

数量: 仅1件在售，欲购从速

立即购买加入购物车收藏

卖家超过10天未登录

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

图书条目信息
图书 > 社会文化
统计学习导论：基于R应用
作者: [美] 罗伯特·提布施瓦尼（RobertTibshirani）著； [美] 加雷斯·詹姆斯(GarethJames)丹妮拉·威滕（DanielaWitten）； [美] 特雷弗·哈斯帖（TrevorHastie）

出版社: 机械工业出版社

出版时间: 2023-02

版次: 1

ISBN: 9787111761761

定价: 109.00

装帧: 平装

开本: 16开

页数: 456页

字数: 654千字
内容简介：

本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现r语言提供的分析方法。本书还提供了关于深度学、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线模型、贝叶斯加回归树和矩阵补全的扩展内容，并对r代码进行了全面更新。本书旨在帮助科学、和其他领域的从业人员学和应用这些统计学技术。

作者简介：

加雷斯·詹姆斯(GarethJames)　斯坦福大学统计学博士，师从TrevorHastie。埃默里大学数据科学和运筹学教授，E.MorganStanley工商管理主席。他在统计学习领域发表了大量的方法论著作，特别强调高维数据和函数数据。 丹妮拉·威滕(DanielaWitten)斯坦福大学统计学博士，师从RobertTibshirani。华盛顿大学统计学与生物统计学教授、DorothyGilford讲席教授。她的研究主要集中在用于分析复杂、混乱和大规模数据的统计机器学习技术上，重点是无监督学习。 特雷弗·哈斯帖(TrevorHastie)斯坦福大学统计学教授、JohnA.Overdeck数学教授、生物医学数据科学教授，美国科学院院士。他参与开发了R/S-PlUS中的大部分统计建模软件和环境，发明了主曲线和主曲面。 罗伯特·提布施瓦尼(RobertTibshirani)斯坦福大学统计学教授、生物医学数据科学教授。他提出了lasso，与Hastie一起建立了广义加性模型。

目录：

br/> 译者序 前言 第1章导论1 11统计学习概述1 12统计学习简史4 13关于本书4 14本书的读者群6 15记号与简单矩阵代数6 16本书的内容安排8 17用于实验和习题的数据集9 18本书网站10 19致谢10 第2章统计学习11 21什么是统计学习11 22评价模型精度21 23实验：R语言简介31 24习题39 第3章线性回归43 31简单线性回归44 32多元线性回归51 33回归模型中的其他注意事项60 34营销计划75 35线性回归与K最近邻法的 比较76 36实验：线性回归80 37习题89 第4章分类95 41分类问题概述95 42为什么线性回归不可用96 43逻辑斯谛回归98 44用于分类的生成模型104 45分类方法的比较116 46广义线性模型121 47实验：分类方法126 48习题141 第5章重抽样方法146 51交叉验证法146 52自助法154 53实验：交叉验证法和自助法157 54习题163 第6章线性模型选择与正则化167 61子集选择168 62压缩估计方法175 63降维方法185 64高维问题192 65实验：线性模型和正则方法196 66习题210 第7章非线性模型214 71多项式回归214 72阶梯函数216 73基函数217 74回归样条218 75光滑样条223 76局部回归225 77广义可加模型227 78实验：非线性建模230 79习题239 第8章基于树的方法242 81决策树基本原理242 82装袋法、随机森林、提升法和 贝叶斯加性回归树250 83实验：决策树260 84习题267 第9章支持向量机270 91最大间隔分类器270 92支持向量分类器274 93狭义的支持向量机278 94多分类的支持向量机283 95与逻辑斯谛回归的关系284 96实验：支持向量机285 97习题293 第10章深度学习297 101单隐层神经网络297 102多隐层神经网络300 103卷积神经网络303 104文本分类310 105循环神经网络312 106深度学习适用场景320 107拟合神经网络321 108插值和双下降325 109实验：深度学习328 1010习题342 第11章生存分析与删失数据344 111生存时间与删失时间344 112细说删失345 113KaplanMeier生存曲线346 114对数秩检验348 115生存响应下的回归模型350 116Cox模型的压缩357 117其他主题359 118实验：生存分析361 119习题368 第12章无监督学习372 121无监督学习的挑战372 122主成分分析373 123缺失值与矩阵补全382 124聚类分析方法386 125实验：无监督学习397 126习题411 第13章多重检验415 131假设检验的快速回顾416 132多重检验的挑战420 133族错误率421 134假发现率428 135计算p值和假发现率的重采样 方法431 136实验：多重检验436 137习题445 3,5

内容摘要
本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现R语言提供的分析方法。本书还提供了关于深度学习、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵补全的扩展内容，并对R代码进行了全面更新。本书旨在帮助科学、工业和其他领域的从业人员学习和应用这些统计学习技术。

主编推荐
加雷斯·詹姆斯(Gareth James) 斯坦福大学统计学博士，师从Trevor Hastie。埃默里大学数据科学和运筹学教授，E. Morgan Stanley 工商管理主席。他在统计学习领域发表了大量的方法论著作，特别强调高维数据和函数数据。
丹妮拉·威滕(Daniela Witten) 斯坦福大学统计学博士，师从Robert Tibshirani。华盛顿大学统计学与生物统计学教授、Dorothy Gilford 讲席教授。她的研究主要集中在用于分析复杂、混乱和大规模数据的统计机器学习技术上，重点是无监督学习。
特雷弗·哈斯帖(Trevor Hastie) 斯坦福大学统计学教授、John A. Overdeck数学教授、生物医学数据科学教授，美国科学院院士。他参与开发了 R/S-PlUS 中的大部分统计建模软件和环境，发明了主曲线和主曲面。
罗伯特·提布施瓦尼(Robert Tibshirani) 斯坦福大学统计学教授、生物医学数据科学教授。他提出了lasso，与Hastie一起建立了广义加性模型。

展开全部
货号：

51df
- 图2
- 图3
配送说明

...
相似商品
为你推荐

孔网分类

孔网特色

图书

艺术品收藏

特色

图书

艺术品藏品

统计学习导论：基于R应用

孔网啦啦啦啦啦纺织女工火锅店第三课