書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
R語言實(shí)戰(zhàn)機(jī)器學(xué)習(xí)與數(shù)據(jù)分析

R語言實(shí)戰(zhàn)機(jī)器學(xué)習(xí)與數(shù)據(jù)分析

作者：左飛著
出版社：電子工業(yè)出版社出版時間：2016-05-01
開本： 16開 頁數(shù)： 376
中 圖 價:¥30.0(3.8折) 定價  ¥79.0 登錄后可看到會員價
暫時缺貨 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>
買過本商品的人還買了

R語言實(shí)戰(zhàn)機(jī)器學(xué)習(xí)與數(shù)據(jù)分析 版權(quán)信息

R語言實(shí)戰(zhàn)機(jī)器學(xué)習(xí)與數(shù)據(jù)分析 本書特色

    經(jīng)典統(tǒng)計(jì)理論和機(jī)器學(xué)習(xí)方法為數(shù)據(jù)挖掘提供了必要的分析技術(shù)。本書系統(tǒng)地介紹統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)領(lǐng)域中*為重要和流行的多種技術(shù)及其基本原理，在詳解有關(guān)算法的基礎(chǔ)上，結(jié)合大量r語言實(shí)例演示了這些理論在實(shí)踐中的使用方法。具體內(nèi)容被分成三個部分，即r語言編程基礎(chǔ)、基于統(tǒng)計(jì)的數(shù)據(jù)分析方法以及機(jī)器學(xué)習(xí)理論。統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)部分又具體介紹了參數(shù)估計(jì)、假設(shè)檢驗(yàn)、極大似然估計(jì)、非參數(shù)檢驗(yàn)方法（包括列聯(lián)分析、符號檢驗(yàn)、符號秩檢驗(yàn)等）、方差分析、線性回歸（包括嶺回歸和lasso方法）、邏輯回歸、支持向量機(jī)、聚類分析（包括k均值算法和em算法）和人工神經(jīng)網(wǎng)絡(luò)等內(nèi)容。同時，統(tǒng)計(jì)理論的介紹也為深化讀者對于后續(xù)機(jī)器學(xué)習(xí)部分的理解提供了很大助益。知識結(jié)構(gòu)和閱讀進(jìn)度的安排上既兼顧了循序漸進(jìn)的學(xué)習(xí)規(guī)律，亦統(tǒng)籌考慮了夯實(shí)基礎(chǔ)的必要性。本書內(nèi)容與實(shí)際應(yīng)用結(jié)合緊密，又力求突出深入淺出、系統(tǒng)翔實(shí)之特色，對算法原理的解釋更是細(xì)致入微。

R語言實(shí)戰(zhàn)機(jī)器學(xué)習(xí)與數(shù)據(jù)分析 內(nèi)容簡介

整合r語言深藏不漏的強(qiáng)大威力，決勝數(shù)據(jù)分析之巔且聽我將統(tǒng)計(jì)學(xué)之精髓娓娓道來，助你砥礪大數(shù)據(jù)時代的掘金技法探尋數(shù)據(jù)挖掘之術(shù)，撥開機(jī)器學(xué)習(xí)迷霧，點(diǎn)破公式背后的層層玄機(jī) 

R語言實(shí)戰(zhàn)機(jī)器學(xué)習(xí)與數(shù)據(jù)分析 目錄

目錄第1章  初識r語言 11.1  r語言簡介 11.2  安裝與運(yùn)行 31.3  開始使用r 51.4  包的使用 71.5  使用幫助 8第2章  探索r數(shù)據(jù) 102.1  向量的創(chuàng)建 102.2  向量的運(yùn)算 132.3  向量的篩選 152.4  矩陣的創(chuàng)建 172.5  矩陣的使用 202.5.1  矩陣的代數(shù)運(yùn)算 202.5.2  修改矩陣的行列 222.5.3  對行列調(diào)用函數(shù) 232.6  矩陣的篩選 25第3章  編寫r程序 283.1  流程的控制 283.1.1  條件選擇結(jié)構(gòu)的概念 283.1.2  條件選擇結(jié)構(gòu)的語法 293.1.3  循環(huán)結(jié)構(gòu)的基本概念 303.1.4  循環(huán)結(jié)構(gòu)的基本語法 313.2  算術(shù)與邏輯 333.3  使用函數(shù) 343.3.1  函數(shù)式語言 343.3.2  默認(rèn)參數(shù)值 353.3.3  自定義函數(shù) 363.3.4  遞歸的實(shí)現(xiàn) 383.4  編寫代碼 40第4章  概率統(tǒng)計(jì)基礎(chǔ) 424.1  概率論的基本概念 424.2  隨機(jī)變量數(shù)字特征 454.2.1  期望 454.2.2  方差 464.3  基本概率分布模型 484.3.1  離散概率分布 484.3.2  連續(xù)概率分布 524.3.3  使用內(nèi)嵌分布 554.4  大數(shù)定理及其意義 594.5  中央極限定理 624.6  隨機(jī)采樣分布 65第5章  實(shí)用統(tǒng)計(jì)圖形 715.1  餅狀圖 715.2  直方圖 745.3  核密圖 785.4  箱線圖 815.4.1  箱線圖與分位數(shù) 815.4.2  使用并列箱線圖 845.5  條形圖 875.5.1  基本條形圖及調(diào)整 875.5.2  堆砌與分組條形圖 885.6  分位數(shù)與qq圖 91第6章  數(shù)據(jù)輸入/輸出 996.1  數(shù)據(jù)的載入 996.1.1  基本的數(shù)據(jù)導(dǎo)入方法 996.1.2  處理其他軟件的格式 1036.1.3  讀取來自網(wǎng)頁的數(shù)據(jù) 1046.1.4  從數(shù)據(jù)庫中讀取數(shù)據(jù) 1066.2  數(shù)據(jù)的保存 1086.3  數(shù)據(jù)預(yù)處理 1096.3.1  常用數(shù)學(xué)函數(shù) 1106.3.2  修改數(shù)據(jù)標(biāo)簽 1136.3.3  缺失值的處理 114第7章  高級數(shù)據(jù)結(jié)構(gòu) 1187.1  列表 1187.1.1  列表的創(chuàng)建 1187.1.2  列表元素的訪問 1207.1.3  增刪列表元素 1217.1.4  拼接列表 1237.1.5  列表轉(zhuǎn)化為向量 1237.1.6  列表上的運(yùn)算 1247.1.7  列表的遞歸 1257.2  數(shù)據(jù)框 1267.2.1  數(shù)據(jù)框的創(chuàng)建 1267.2.2  數(shù)據(jù)框元素的訪問 1287.2.3  提取子數(shù)據(jù)框 1297.2.4  數(shù)據(jù)框行列的添加 1307.2.5  數(shù)據(jù)框的合并 1327.2.6  數(shù)據(jù)框的其他操作 1347.3  因子 1357.3.1  因子的創(chuàng)建 1367.3.2  因子中插入水平 1377.3.3  因子和常用函數(shù) 1387.4  表 1407.4.1  表的創(chuàng)建 1417.4.2  表中元素的訪問 1437.4.3  表中變量的邊際值 143第8章  統(tǒng)計(jì)推斷 1468.1  參數(shù)估計(jì) 1468.1.1  參數(shù)估計(jì)的基本原理 1468.1.2  單總體參數(shù)區(qū)間估計(jì) 1498.1.3  雙總體均值差的估計(jì) 1558.1.4  雙總體比例差的估計(jì) 1618.2  假設(shè)檢驗(yàn) 1628.2.1  基本概念 1628.2.2  兩類錯誤 1668.2.3  均值檢驗(yàn) 1678.3  極大似然估計(jì) 1728.3.1  極大似然法的基本原理 1728.3.2  求極大似然估計(jì)的方法 1748.3.3  極大似然估計(jì)應(yīng)用舉例 176第9章  非參數(shù)檢驗(yàn)方法 1819.1  列聯(lián)分析 1819.1.1  類別數(shù)據(jù)與列聯(lián)表 1819.1.2  皮爾遜（pearson）的卡方檢驗(yàn) 1829.1.3  列聯(lián)分析應(yīng)用條件 1869.1.4  費(fèi)希爾（fisher）的確切檢驗(yàn) 1889.2  符號檢驗(yàn) 1909.3  威爾科克森（wilcoxon）符號秩檢驗(yàn) 1959.4  威爾科克森（wilcoxon）的秩和檢驗(yàn) 1999.5  克魯斯卡爾-沃利斯（kruskal-wallis）檢驗(yàn) 204第10章  一元線性回歸 20810.1  回歸分析的性質(zhì) 20810.2  回歸的基本概念 21010.2.1  總體的回歸函數(shù) 21010.2.2  隨機(jī)干擾的意義 21110.2.3  樣本的回歸函數(shù) 21310.3  回歸模型的估計(jì) 21410.3.1  普通*小二乘法原理 21410.3.2  一元線性回歸的應(yīng)用 21610.3.3  經(jīng)典模型的基本假定 21810.3.4  總體方差的無偏估計(jì) 22210.3.5  估計(jì)參數(shù)的概率分布 22510.4  正態(tài)條件下的模型檢驗(yàn) 22710.4.1  擬合優(yōu)度的檢驗(yàn) 22710.4.2  整體性假定檢驗(yàn) 23110.4.3  單個參數(shù)的檢驗(yàn) 23310.5  一元線性回歸模型預(yù)測 23410.5.1  點(diǎn)預(yù)測 23410.5.2  區(qū)間預(yù)測 235第11章  線性回歸進(jìn)階 23911.1  多元線性回歸模型 23911.2  多元回歸模型估計(jì) 24111.2.1  *小二乘估計(jì)量 24111.2.2  多元回歸的實(shí)例 24211.2.3  總體參數(shù)估計(jì)量 24511.3  多元回歸模型檢驗(yàn) 24711.3.1  線性回歸的顯著性 24711.3.2  回歸系數(shù)的顯著性 24911.4  多元線性回歸模型預(yù)測 25011.5  其他回歸模型函數(shù)形式 25311.5.1  雙對數(shù)模型以及生產(chǎn)函數(shù) 25311.5.2  倒數(shù)模型與菲利普斯曲線 25511.5.3  多項(xiàng)式回歸模型及其分析 25811.6  回歸模型的評估與選擇 26011.6.1  嵌套模型選擇 26111.6.2  赤池信息準(zhǔn)則 26211.6.3  逐步回歸方法 26511.7  現(xiàn)代回歸方法的新進(jìn)展 26911.7.1  多重共線性 26911.7.2  嶺回歸 27011.7.3  從嶺回歸到lasso 271第12章  方差分析方法 27512.1  方差分析的基本概念 27512.2  單因素方差分析方法 27812.2.1  基本原理 27812.2.2  分析步驟 27912.2.3  強(qiáng)度測量 28012.3  雙因素方差分析方法 28112.3.1  無交互作用的分析 28112.3.2  有交互作用的分析 28612.4  多重比較 28912.4.1  多重t檢驗(yàn) 29012.4.2  "dunnett" 檢驗(yàn) 29112.4.3  "tukey" 的"hsd" 檢驗(yàn) 29412.4.4  "newman" -"keuls" 檢驗(yàn) 29812.5  方差齊性的檢驗(yàn)方法 30112.5.1  "bartlett" 檢驗(yàn)法 30112.5.2  "levene" 檢驗(yàn)法 303第13章  聚類分析 30713.1  聚類的概念 30713.2  k均值算法 30813.2.1  距離度量 30913.2.2  算法描述 31013.2.3  應(yīng)用實(shí)例 31213.3  *大期望算法 31413.3.1  算法原理 31413.3.2  收斂探討 31913.4  高斯混合模型 32013.4.1  模型推導(dǎo) 32013.4.2  應(yīng)用實(shí)例 323第14章  支持向量機(jī) 32614.1  從邏輯回歸到線性分類 32614.2  線性可分的支持向量機(jī) 33014.2.1  函數(shù)距離與幾何距離 33014.2.2  *大間隔分類器 33214.2.3  拉格朗日乘數(shù)法 33414.2.4  對偶問題的求解 33914.3  松弛因子與軟間隔模型 34314.4  非線性支持向量機(jī)方法 34514.4.1  從更高維度上分類 34514.4.2  非線性核函數(shù)方法 34714.4.3  默瑟定理與核函數(shù) 35014.5  對數(shù)據(jù)進(jìn)行分類的實(shí)踐 35014.5.1  基本建模函數(shù) 35114.5.2  分析建模結(jié)果 355第15章  人工神經(jīng)網(wǎng)絡(luò) 35815.1  從感知機(jī)開始 35815.1.1  感知機(jī)模型 35815.1.2  感知機(jī)學(xué)習(xí) 36015.1.3  多層感知機(jī) 36215.2  基本神經(jīng)網(wǎng)絡(luò) 36515.2.1  神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 36515.2.2  符號標(biāo)記說明 36615.2.3  后向傳播算法 36815.3  神經(jīng)網(wǎng)絡(luò)實(shí)踐 37015.3.1  核心函數(shù)介紹 37015.3.2  應(yīng)用分析實(shí)踐 372參考文獻(xiàn) 375
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服