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:

  • 正版新书]应用回归及分类——基于R与Python的实现 第2版吴喜之9
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 吴喜之著 | 吴喜之编 | 吴喜之译 | 吴喜之绘
    • 出版社: 中国人民大学出版社
    • 出版时间:2020-10-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 吴喜之著| 吴喜之编| 吴喜之译| 吴喜之绘
    • 出版社:中国人民大学出版社
    • 出版时间:2020-10-01
    • 版次:2
    • 印次:1
    • 印刷时间:2020-10-01
    • 字数:501000
    • 页数:340
    • 开本:16开
    • ISBN:9787300286396
    • 版权提供:中国人民大学出版社
  • 作者: 吴喜之
  • 著: 吴喜之 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 46
  • ISBN: 9787300286396
  • 出版社: 中国人民大学出版社
  • 开本: 16开
  • 印刷时间: 2020-10-01
  • 语种: 中文
  • 出版时间: 2020-10-01
  • 页数: 340
  • 外部编号: 党庄A53603
  • 版次: 2
  • 成品尺寸: 暂无
  • 章引言

    1.1作为科学的统计

    1.1.1统计是科学

    1.1.2模型驱动的历史及数据驱动的未来

    1.1.3数据中的信息是由观测值数目及相关变量的数目决定的

    1.2传统参数模型和机器学习算法模型

    1.2.1参数模型比算法模型容易解释是伪命题

    1.2.2参数模型的竞争模型的对立性和机器学习不同模型的协和性

    1.2.3评价和对比模型

    1.3数理统计中显著性检验及置信区间本质的启示

    1.3.1关于正态均值肛的显著性检验的逻辑过程

    1.3.2显著性检验的逻辑错误

    1.3.3关于正态均值肛的置信区间与相应假设检验的等价性

    1.3.4究竟有没有必要花那么大功夫去研究均值?

    第2章经典线性回归

    2.1模型形式

    2.1.1自变量为一个数量变量的情况

    2.1.2自变量为多个数量变量的情况

    2.1.3“线性”是对系数而言

    2.2用最小二乘法估计线性模型

    2.2.1一个数量自变量的情况

    2.2.2指数变换

    2.2.3多个数量自变量的情况

    2.2.4自变量为定性变量的情况

    2.3回归系数的大小没有可解释性

    2.3.1“皇帝的新衣”

    2.3.2最小二乘线性回归仅仅是回归方法之一,过多的延伸是浪费

    2.4关于线性回归系数的性质和推断*

    2.4.1基本假定

    2.4.2关于H0:βi=0?H1:βi≠0的t检验

    2.4.3关于多自变量系数复合假设F检验及方差分析表

    2.4.4定性变量的显著性必须从方差分析表看出

    2.4.5关于残差的检验及点图

    2.5通过一个“教科书数据”来理解简单最小二乘回归

    2.5.1几种竞争的线性模型

    2.5.2孤立看模型可能会产生多个模型都“正确”的结论

    2.5.3多个模型相比较以得到相对较好的模型

    2.5.4对嘌呤霉素数据(例2.5)的6个模型做预测精度的交叉验证

    2.6一个“非教科书数据”的例子

    2.6.1线性回归的尝试

    2.6.2和其他方法的交叉验证比较

    2.7处理线性回归多重共线性的经典方法*

    2.7.1多重共线性

    2.7.2逐步回归

    2.7.3岭回归

    2.7.4lasso回归

    2.7.5适应性lasso回归

    2.7.6偏最小二乘回归

    2.7.7糖尿病数据(例2.7):比较几种方法的预测性

    2.8损失函数及分位数回归简介

    2.8.1损失函数

    2.8.2恩格尔数据例子的分位数回归

    2.9本章Python运行代码

    2.9.1例2.1汽车数据

    2.9.2例2.2岩心数据

    2.9.3例2.4植物生长数据

    2.9.4例2.5嘌呤霉素数据

    2.9.5例2.6混凝土强度数据

    ……

    第3章广义线性模型

    第4章机器学习回归方法

    第5章经典分类:判别分析

    第6章机器学习分类方法

    第7章混合效应模型*

    第8章生存分析及Cox模型*

    第9章基本软件:R和Python

    参考文献

    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