返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 统计机器学习及R实现 孙德山 编 大中专 文轩网
  • 新华书店正版
    • 作者: 孙德山著
    • 出版社: 清华大学出版社
    • 出版时间:2023-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 孙德山著
    • 出版社:清华大学出版社
    • 出版时间:2023-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-11-01
    • 字数:360000
    • 页数:228
    • 开本:其他
    • 装帧:平装
    • ISBN:9787302639930
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    统计机器学习及R实现

    作  者:孙德山 编
    定  价:49.8
    出 版 社:清华大学出版社
    出版日期:2023年10月01日
    页  数:228
    装  帧:平装
    ISBN:9787302639930
    主编推荐

    本书详细讲解了统计机器学习与R语言相关专业知识,配套资源丰富

    内容简介

    本书全面介绍了统计机器学习的主要算法,内容涉及多元线性回归、对数线性回归、逻辑斯蒂回归、岭回归、Lasso回归、判别分析和聚类分析等传统方法,也涉及支持向量机、深度神经网络以及集成学习等比较热门的算法,并给出相应算法的R语言实现。本书还给出了向量和矩阵函数求导以及拉格朗日对偶等数学基础,便于读者理解相关算法推导。本书可以作为统计机器学习等相关专业的教材和参考书,也可供从事相关领域研究的人员参考。

    作者简介

    精彩内容

    目录
    第1章R语言基础
    1.1R的下载与安装
    1.2辅助性操作命令
    1.3基本运算与赋值
    1.4向量
    1.4.1向量定义
    1.4.2向量运算
    1.4.3向量元素的获取
    1.4.4向量主要运算函数
    1.5矩阵
    1.5.1生成对角矩阵和单位阵
    1.5.2矩阵元素取出
    1.5.3矩阵行和列的维数
    1.5.4矩阵的主要运算函数
    1.5.5矩阵合并
    1.5.6矩阵apply()运算函数
    1.6因子(factor)和有序因子(ordered factor)
    1.6.1创建一个因子
    1.6.2创建一个有序因子
    1.6.3用cut()函数将一般的数据转换成因子或有序因子
    1.7数组
    1.7.1产生一个三维和四维数组
    1.7.2dim()函数可将向量转化成数组或矩阵
    1.7.3张量的三个关键属性
    1.7.4数据张量
    1.7.5张量重塑
    1.8列表
    1.9数据框
    1.9.1生成一个数据框
    1.9.2合并数据框
    1.9.3判断数据对象是否为数据框
    1.9.4数据框的行名和列名
    1.9.5连接函数
    1.9.6数据框的数据抽取
    1.10数据读取
    1.10.1读取外部数据
    1.10.2数据保存
    1.11数据类型查看及环境设置
    1.11.1数据类型
    1.11.2数据查看
    1.11.3环境设置函数options()
    1.12绘图
    1.12.1绘图参数命令
    1.12.2常用的绘图命令
    1.12.3绘图函数辅助
    1.12.4三维绘图
    1.13随机数产生
    1.14编程基础
    1.14.1条件语句
    1.14.2循环语句
    1.14.3自定义函数
    1.15R语言的更新
    第2章多元分布
    2.1一元分布
    2.1.1样本
    2.1.2常用统计量
    2.1.3常用分布
    2.1.4重要定理
    2.2多元分布
    2.2.1p维总体
    2.2.2随机向量X的数字特征
    2.2.3多元分布的参数估计
    2.3R语言相关操作
    2.3.1一元正态随机数
    2.3.2多元正态随机数
    第3章线性模型
    3.1线性回归
    3.1.1基本形式
    3.1.2一元线性回归
    3.1.3多元线性回归
    3.1.4多重共线对回归模型的影响
    3.1.5回归模型检验
    3.2对数线性回归
    3.3逻辑斯蒂回归
    3.4多项逻辑回归
    3.5岭回归
    3.6Lasso回归
    3.7模型的评估标准
    3.7.1分类模型的评估
    3.7.2回归模型的评估
    3.8R语言实现
    3.8.1线性回归
    3.8.2逻辑斯蒂回归
    3.8.3岭回归
    3.8.4Lasso回归
    第4章判别分析
    4.1距离判别法
    4.1.1常用距离
    4.1.2判别方法
    4.2贝叶斯判别法
    4.2.1贝叶斯公式
    4.2.2基于最小错误率的贝叶斯决策
    4.2.3朴素贝叶斯法的学习与分类
    4.2.4连续场合下贝叶斯决策的参数估计
    4.3Fisher判别分析
    4.3.1两类分类
    4.3.2多类分类
    4.4R语言实例
    4.4.1线性判别分析
    4.4.2朴素贝叶斯判别分析
    4.4.3二次判别分析
    第5章支持向量机
    5.1小样本统计学习理论
    5.2两类支持向量机
    5.2.1线性可分情况
    5.2.2线性不可分情况
    5.3一类分类支持向量机
    5.4多类支持向量机
    ……

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购