多元統(tǒng)計分析——R與Python的實現(xiàn)(第2版)(基于R應用的統(tǒng)計學叢書)
定 價:49 元
叢書名:基于R應用的統(tǒng)計學叢書
當前圖書已被 2 所學校薦購過!
查看明細
- 作者:吳喜之 張敏
- 出版時間:2025/9/1
- ISBN:9787300342689
- 出 版 社:中國人民大學出版社
本書特色:
1.語言通俗,受眾廣泛:采用簡單通俗的語言闡述多元統(tǒng)計分析的基本概念,便于非數(shù)學背景的讀者理解。
2.注重應用,結合案例:考慮到讀者的應用需求,通過案例幫助理解各種方法的概念及計算,同時包含傳統(tǒng)多元分析教材的多數(shù)內容及詳盡數(shù)學公式,以滿足不同讀者需求。
3.兼顧主流軟件實現(xiàn):基于數(shù)據(jù)驅動思維,正文中通過R軟件解釋方法及計算輸出,書末還盡量給出相應或類似的Python代碼。
4.內容全面,新舊結合:既涵蓋最新發(fā)展的優(yōu)秀機器學習算法,也包含傳統(tǒng)多元統(tǒng)計分析教材的常見內容,如多重回歸(分類)、主成分分析、因子分析、聚類分析、典型相關分析、對應分析等。
5.結構安排以需求為導向:以數(shù)據(jù)分析目的為主線,將具體模型分屬于相應的課題需求之下。
6.理念先進,靈活實用:擺脫傳統(tǒng)多元統(tǒng)計教材模型驅動的固有問題,同時兼顧習慣于模型驅動的教師使用;倡導問題驅動或數(shù)據(jù)驅動的 “拉動式學習” 模式,讓學習目標明確、所學知識實用。
7.強調綜合能力培養(yǎng):重視統(tǒng)計學習中數(shù)學嚴密邏輯思維能力、計算機編程能力(包括針對特定軟件及泛型編程能力)、批判性思維以及對實際問題的理解能力的培養(yǎng)。
吳喜之 北京大學數(shù)學力學系本科畢業(yè),北卡羅來納大學統(tǒng)計學博士。中國人民大學統(tǒng)計學院教授,博士生導師。曾在南開大學、北京大學、加利福尼亞大學、北卡羅來納大學等多所著名學府執(zhí)教。
張 敏 重慶工商大學講師。作為第一(通訊)作者在CSSCI/CSCD/SCI等期刊發(fā)表多篇學術論文,主持(參與)多項國家級及省部級課題,以第二作者身份合作出版多部關于統(tǒng)計與數(shù)據(jù)科學的教材。
第 1 章 引 言
1.1 數(shù)據(jù)科學
1.2 多元分析的對象
1.3 需要的工具
1.4 各章的安排
1.5 軟件和編程
1.6 如何教學
第 2 章 矩陣代數(shù)和一些數(shù)學概念回顧
2.1 矩 陣
2.2 矩陣的分解
2.3 二次型
2.4 矩陣的導數(shù)
2.5 數(shù)據(jù)集的不純度
2.6 相關系數(shù)理解的誤區(qū)
2.7 習 題
第 3 章 有監(jiān)督學習: 分類及回歸
3.1 有監(jiān)督學習的目標和過程
3.2 交叉驗證
3.3 有監(jiān)督學習過程匯總
3.4 最小二乘線性回歸
3.5 為二分類任務的logistic回歸
3.6 決策樹
3.7 集成算法: bagging
3.8 集成算法: 隨機森林
3.9 增強算法: AdaBoost分類模型
3.10 增強算法: Xgboost模型
3.11 神經網(wǎng)絡概述
3.12 習 題
第 4 章 降 維
4.1 主成分分析降維
4.2 因子分析降維
4.3 自編碼器降維*
4.4 習 題
第 5 章 聚 類
5.1 聚類分析概述
5.2 分層聚類
5.3 k均值聚類、k眾數(shù)聚類、k原型聚類
5.4 基于密度聚類的思想*
5.5 基于模型的聚類*
5.6 聚類數(shù)目的選擇
5.7 更多的聚類實例計算
5.8 習 題
第 6 章 相關和關聯(lián)
6.1 典型相關分析
6.2 對應分析
6.3 習 題
第 7 章 正文中沒有的代碼
7.1 第2章的代碼
7.2 第3章的代碼
7.3 第 4 章的代碼
7.4 第 5 章的代碼
參考文獻