0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 本科教材 > 理学 > 0701 数学 > 现代回归分析方法引论

相同语种的商品

销售排行榜

浏览历史

现代回归分析方法引论


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
现代回归分析方法引论
  • 书号：9787030587787
    作者：翁洋
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：145
    字数：201000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2020-10-01
  • 所属分类：
  • 定价： ￥59.00元
    售价： ￥46.61元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书主要介绍统计学中的回归分析方法基础以及在机器学习方向上的应用。介绍回归分析的数学基础的同时，以统计学和机器学习相结合的手段介绍回归分析领域在近年来取得的各种重要结果和突破。特别是在大数据背景下，回归分析的正则化问题的快速求解算法。本书在介绍基础知识的同时，也强调回归分析在实际中的应用，书中配有大量的案例及其R语言的实现。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 引言 1
    1.1 相关关系 1
    1.2 回归模型的一般形式 2
    1.3 回归模型的建模过程 2
    第2章 预备知识 4
    2.1 一元线性回归 4
    2.1.1 散点图，回归模型，矩阵表达 4
    2.1.2 模型的建立——参数估计 4
    2.1.3 最小二乘估计的性质 5
    2.1.4 一元线性回归模型的显著性检验 7
    2.2 线性模型的最小二乘估计 9
    2.2.1 最小二乘估计 9
    2.2.2 最小二乘估计的统计性质 12
    2.2.3 最小二乘估计的最优性 17
    2.2.4 带约束的最小二乘估计 20
    2.3 假设检验 21
    2.3.1 一般线性检验 21
    2.3.2 回归方程的显著性检验 24
    2.3.3 回归系数的显著性检验 24
    2.4 有偏估计||岭回归和主成分回归 25
    2.4.1 复共线性 25
    2.4.2 岭回归 29
    2.4.3 主成分回归 33
    第3章 变量选择和贝叶斯线性模型 37
    3.1 全模型和选模型 37
    3.1.1 减少自变量对模型参数估计的影响 38
    3.1.2 减少自变量对预测的影响 39
    3.2 变量选择 41
    3.2.1 最优子集回归 41
    3.2.2 逐步回归 43
    3.2.3 前向分段回归 44
    3.3 压缩方法 45
    3.3.1 岭回归 45
    3.3.2 lasso 46
    3.3.3 正交设计下 lasso 的解 47
    3.3.4 岭回归、lasso 和最优子集 49
    3.4 贝叶斯线性模型 51
    3.4.1 最小二乘估计与极大似然估计 51
    3.4.2 贝叶斯线性模型与岭回归 52
    3.4.3 贝叶斯线性模型学习过程 54
    3.4.4 预测分布 58
    第4章 e1 正则化逻辑回归的随机坐标下降算法 60
    4.1 引言 60
    4.2 RCSUM 算法及其在 e1 正则化逻辑回归上的应用 62
    4.2.1 问题描述及假设 62
    4.2.2 RCSUM 算法 63
    4.2.3 收敛性分析 64
    4.2.4 RCSUM 求解 e1 范数正则化逻辑回归 68
    4.3 加速随机算法 APCG 求解 e1 范数逻辑回归 71
    4.4 数值实验 72
    4.4.1 模拟数据 73
    4.4.2 实验结果及分析 74
    4.4.3 乳腺癌数据 80
    4.5 总结 81
    第5章 并行坐标下降 82
    5.1 引言 82
    5.1.1 相关工作 82
    5.1.2 动机 83
    5.1.3 贡献 83
    5.2 PSUM 以及 RPSUM 算法 84
    5.2.1 预备知识 84
    5.2.2 主要假设 85
    5.2.3 PSUM 算法 85
    5.2.4 RPSUM 算法 86
    5.3 PSUM 以及 RPSUM 的收敛性分析 87
    5.3.1 PSUM 的收敛性分析 87
    5.3.2 RPSUM 的收敛性分析 91
    5.4 应用 94
    5.4.1 RPSUM 解e1 范数正则化逻辑回归 95
    5.4.2 实验 96
    5.4.3 讨论 99
    5.4.4 结论 101
    第6章 随机优化 102
    6.1 随机优化问题 102
    6.2 在线算法 103
    6.2.1 随机梯度法 103
    6.2.2 对偶平均方法 104
    6.3 带正则化项的随机优化问题 105
    6.3.1 向前向后分裂算法简介 105
    6.3.2 向前向后分裂算法的收敛性 107
    6.4 向前向后分裂算法求解 e1 正则化逻辑回归 112
    6.5 实验 114
    6.6 结论 117
    参考文献 118
    附录 A 凸优化 121
    A.1 介绍 121
    A.2 凸集 121
    A.3 凸函数 123
    A.4 凸优化问题 125
    A.5 拉格朗日对偶 128
    附录 B 常用分布表 133
    B.1 t 分布表 133
    B.2 F 分布表 134
    B.3 2 分布表 144
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com