由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
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
¥ ×1
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
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
