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:
本店所有商品

  • 稀疏支持向量回归机的构建与应用
  • 新商品上架
    • 作者: 叶娅芬著
    • 出版社: 经济科学出版社
    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:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 叶娅芬著
    • 出版社:经济科学出版社
    • 开本:16开
    • ISBN:9787521845990
    • 版权提供:经济科学出版社

    目录

    第一篇 开场篇

     第一章 绪论

     第一节 高维数据的稀疏性

     第二节 稀疏支持向量回归机的研究现状

    第二篇 技术篇

     第二章 支持向量机

     第一节 线性模型

     第二节 统计学习理论

     第三节 支持向量回归机的拓展:学习速度

     第四节 支持向量回归机的拓展:稳健学习

     第五节 支持向量回归机的拓展:在线学习

     第三章 稀疏支持向量回归机

     第一节 稀疏支持向量回归机

     第二节 L1-模最小二乘支持向量回归机

     第三节 广义不敏感自适应Lasso模型

     第四节 Lp-模最小二乘支持向量回归机

     第五节 Lp-模支持向量分位数回归机

     第六节 支持向量回归机的非线性特征选择

    第三篇 应用痛

     第四章 中国金融状况指数的构建方案

     第一节 指数构建的研究现状

     第二节 中国金融状况指数的研究方案

     第五章 中国时变金融状况指数的构建

     第一节 金融状况指数的研究现状

     第二节 中国金融状况指数的指标选择

     第三节 构建中国时变金融状况指数

     第六章 中国时变金融状况指数的预测能力

     第一节 金融状况指数与通货膨胀

     第二节 金融状况指数与经济增长、通货膨胀的相关性

     第三节 中国时变金融状况指数的预测能力分析

     第七章 中国时变金融状况指数与利率规则研究

     第一节 金融状况指数与利率规则

     第二节 DSGE模型的贝叶斯估计

     第三节 DSGE模型的模拟结论分析

    附录1 数据

    附录2 参数的分布

    参考文献

    后记

    内容介绍

    大数据对回归模型提出以下几个方面的要求: (1)稀疏性,“高维”数据的特征选择问题,选取重要特征,舍弃“冗余”或者信息含量少的特征,是回归算法面临的新挑战;(2)鲁棒性,对于含有异常点的回归问题,决策函数对异常点具有鲁棒性;(3)在线性,对于数据流问题,决策函数的回归系数应具有在线性,能够反映在线数据流的实时变化效应;(4) 异质性,高维数据具有后尾分布的异质性,如何使稀疏技术选择的特征能反映数据的整体分布特征,提取数据的异质信息。
    针对大数据的这些特征,本书在已有支持向量回归模型的研究基础上,将从以下几个方面展开研究:(1)融入L1模或Lp模稀疏正则项,构建稀疏支持向量回归模型,其能够从高维数据中选取相关的主要特征,舍弃无关的冗余特征,完成信息价值“提纯”;(2)设计具有鲁棒性的损失函数,使其决策函数不易受异常点的影响,即决策函数不受异常点的干扰,具有一定的稳健性; (3)采用增量算法,
    使其决策函数的回归系数具有动态性,反应数据流的实时性,克服非在线算法决策函数回归系数的固定不变性;(4)引入统计学的分位数回归思想,利用分位数精确地描述自变量对于因变量条件分布的整体影响,全面反映数据的分布特征。
    面对大数据,指数构建面临的挑战:(1) 如何排除噪声和异常点现象带来的干扰,是指数构建面临的一大挑战;(2)如何舍弃信息价值低的冗余指标,保留信息价值高的代表性指标,降低数据维度,是指数构建面临的第二大挑战;(3)如何满足在线数据的高频性,构建实时动态指数凸显在线信息,是指数构建面临的第三大挑战。针对指数构建面临的这些挑战,本书构建的各种支持向量回归模型恰能解决这些问题:首先处理数据的缺失等现象,排除噪声和异常点带来的干扰,采用稀疏支持向量回归模型,解决大数据背景下指标的选择问题,为指数构造提供高质量的“原材料”;其次针对数据高频在线的特点,采用在线支持向量回归模型,确定代表性指标的动态权重,凸显数据的实时动态效应。相信本书能为动态指数的构建提供新方法和新思路,开拓数学、统计学与机器学习的交叉研究,为大数据统计建模的发展贡献微薄之力。

    作者介绍

    叶娅芬,女,副教授,统计学博士,浙江大学博士后,悉尼大学访问学者,主要从事数据挖掘的回归模型研究。曾主持国家自然科学青年基金1项,主持省部级基金5项,主要参与国家自然科学青年基金3项,主要参与省部级基金4项。近5年来,以第一作者发表SCI(JCR:Q1) 期刊论文4篇,SSCI期刊论文3篇,主要授课包括数值计算、数理统计学、数据挖掘和多元统计分析等。
    基本信息
    商品名称: 开本: 16开
    作者: 叶娅芬 定价: 46.00
    ISBN号: 9787521845990 出版时间: 2023-12-01
    出版社: 经济科学出版社 印刷时间: 2023-12-01
    版次: 1 印次: 1
    1
    • 商品详情
    • 内容简介

    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