图文详情

复杂数据统计方法--基于R与Python(第4版)/基于R应用的统计学丛书

①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。

作者: 吴喜之张敏
出版社: 中国人民大学出版社
ISBN: 9787300307268

出版时间: 2022-07
装帧: 其他
开本: 其他

作者: 吴喜之张敏
出版社: 中国人民大学出版社

ISBN: 9787300307268
出版时间: 2022-07

装帧: 其他
开本: 其他

售价 31.10 6.3折

定价￥49.00

品相全新

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2024-10-14

数量: 库存3件

立即购买加入购物车收藏

卖家超过10天未登录

四年老店

倒爷图书专营店

店铺等级

资质认证

90天平均

成功完成

92.49% (9164笔)

好评率

99.89%

发货时间

13.43小时

店主

小倒

联系

在线交谈离线留言

地址

浙江省嘉兴市海宁市

进店逛逛收藏店铺

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

商品分类：

教材教辅考试 > 教材 > 大学教材 > 计算机与互联网

货号：

31516610

商品描述：

目录
  第1章  引言
    1.1  作为科学的统计
      1.1.1  统计应该是科学，但发展成两种文化
      1.1.2  从模型驱动主导的现实转向数据驱动的未来
      1.1.3  关于统计显著性和p值
    1.2  数据分析的实践
    1.3  数据和变量
      1.3.1  变量和观测值
      1.3.2  变量的种类
      1.3.3  有监督学习：具有目标变量的预测模型
      1.3.4  无监督学习：没有目标变量，为探索数据间结构的模型
    1.4  R软件及Python软件
第一部分  经典统计篇
  第2章  经典线性模型
    2.1  简单最小二乘线性回归回顾
      2.1.1  基于数据的最小二乘线性回归
      2.1.2  传统统计模型驱动的线性模型
      2.1.3  线性最小二乘回归的拟合
      2.1.4  线性最小二乘回归的预测及交叉验证
      2.1.5  对例2.1回归的6个模型交叉验证比较
    2.2  线性模型没有“可解释性”
      2.2.1  例2.1的多自变量和单自变量线性回归系数比较
      2.2.2  随机生成的独立变量数据回归的多自变量和单自变量线性回归系数比较
    2.3  “多重共线性”及“线性相关”在数学及统计学中的不同含义
      2.3.1  矩阵的秩以及在数学及统计学中“多重共线性”的不同含义
      2.3.2  线性回归中统计多重共线性的度量
    2.4  传统统计对自变量统计多重共线性的应对方法
      2.4.1  岭回归
      2.4.2  lasso回归
      2.4.3  偏最小二乘回归
    2.5  关于分类自变量的截距效应
      2.5.1  直接用软件函数计算参数估计
      2.5.2  把分类变量哑元化后用式（2.1.4）计算参数估计
    2.6  损失函数及分位数回归简介
    2.7  生存分析数据的Cox回归模型
    2.8  本章的Python代码
      2.8.1  2.1节的代码
      2.8.2  2.2节的代码
      2.8.3  2.4节的代码
      2.8.4  2.6节的代码
      2.8.5  2.7节的代码
  第3章  广义线性模型方法
    3.1  广义线性模型简单回顾
      3.1.1  作为特例的正态线性模型
      3.1.2  一般情况
    3.2  logistic回归
      3.2.1  logistic回归模型参数估计
      3.2.2  logistic模型的预测
      3.2.3  阀值的选择及ROC曲线
      3.2.4  例3.1数据的logistic方法和决策树分类的交叉验证比较
    3.3  多项logit模型
      3.3.1  多项logit模型回顾
      3.3.2  多项logit模型对简单数据的拟合
      3.3.3  例3.2数据的多项logit方法和机器学习分类方法的交叉验证比较
      3.3.4  多项logit对嵌套数据的处理
      3.3.5  例3.3数据的多项logit方法和机器学习分类方法的交叉验证比较
  ……
第二部分  机器学习篇
第三部分  软件基础篇
参考文献

内容摘要
数据主导的学习方式有助于读者理解数据科学的本质，读者可以通过分析数据学会多种统计方法的应用。
本书以数据形式为导向，对应不同的数据形式介绍可能使用的一些统计方法。这些统计方法可能属于不同的模型和统计方向，但只要适用于同一类数据，本书就尽量都予以介绍，以此启发读者探索及创新。
本书初版以来，在广大读者的支持和鼓励下，10年间不断更新。第4版在第3版的基础上做了增补及修正，并且重新安排了部分章节。
本书始终坚持以下特色：用实际数据做案例，这些数据都是真实的，有理论及应用方面的背景，而且能从网上下载。
书中所有结论都可以通过Python与R软件得出，并给出所有例子的代码。
没有太多数学公式，但能让读者直观理解各种方法的含义。
宗旨是训练处理不同数据的动手能力，面不是面面俱到地告知所有细节。
本书适合用作统计学、
应用统计学、经济学、数学、应用数学、精算、环境、
计量经济学、生物医学等专业本科生、硕士生及博士生
的教材，也可作为各领域的实际工作者的参考用书。
配送说明

...
相似商品
为你推荐

孔网分类

图书

图书

复杂数据统计方法--基于R与Python(第4版)/基于R应用的统计学丛书

孔网啦啦啦啦啦纺织女工火锅店第三课