图书介绍
统计学习基础 数据挖掘、推理与预测PDF|Epub|txt|kindle电子书版本下载
- （美）Trevor Hastie等著；范明等译 著
- 出版社： 北京：电子工业出版社
- ISBN：7505393316
- 出版时间：2004
- 标注页数：381页
- 文件大小：223MB
- 文件页数：395页
- 主题词：统计学－教材
PDF下载
下载说明
统计学习基础 数据挖掘、推理与预测PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
第2章 有指导学习概述6
2.1 引言6
2.2 变量类型和术语6
2.3 两种简单预测方法：最小二乘方和最近邻法7
2.4 统计判决理论12
2.5 高维空间的局部方法15
2.6 统计模型、有指导学习和函数逼近19
2.7 结构化回归模型22
2.8 受限的估计方法类23
2.9 模型选择和偏倚-方差权衡25
文献注释26
习题27
第3章 回归的线性方法28
3.1 引言28
3.2 线性回归模型和最小二乘方28
3.3 从简单的一元回归到多元回归34
3.4 子集选择和系数收缩38
3.5 计算考虑52
文献注释52
习题53
第4章 分类的线性方法55
4.1 引言55
4.2 指示矩阵的线性回归56
4.3 线性判别分析59
4.4 逻辑斯缔回归67
4.5 分离超平面73
文献注释77
习题78
第5章 基展开与正则化80
5.1 引言80
5.2 分段多项式和样条81
5.3 过滤和特征提取88
5.4 光滑样条88
5.5 光滑参数的自动选择91
5.6 无参逻辑斯缔回归95
5.7 多维样条函数96
5.8 正则化和再生核希尔伯特空间100
5.9 小波光滑104
文献注释109
习题110
第6章 核方法115
6.1 一维核光滑方法115
6.2 选择核的宽度120
6.3 IRp上的局部回归121
6.4 IRp上结构化局部回归模型123
6.5 局部似然和其他模型125
6.6 核密度估计和分类126
6.7 径向基函数和核129
6.8 密度估计和分类的混合模型131
6.9 计算考虑132
文献注释133
习题133
第7章 模型评估与选择135
7.1 引言135
7.2 偏倚、方差和模型复杂性135
7.3 偏倚-方差分解137
7.4 训练误差率的乐观性140
7.5 样本内预测误差的估计142
7.6 有效的参数个数143
7.7 贝叶斯方法和BIC144
7.8 最小描述长度145
7.9 Vapnik-Chernovenkis维147
7.10 交叉验证149
7.11 自助法152
文献注释155
习题155
第8章 模型推理和平均158
8.1 引言158
8.2 自助法和极大似然法158
8.3 贝叶斯方法162
8.4 自助法和贝叶斯推理之间的联系165
8.5 EM算法166
8.6 从后验中抽样的MCMC171
8.7 装袋173
8.8 模型平均和堆栈176
8.9 随机搜索：冲击178
文献注释179
习题180
第9章 加法模型、树和相关方法181
9.1 广义加法模型181
9.2 基于树的方法187
9.3 PRIM——凸点搜索195
9.4 MARS：多元自适应回归样条199
9.5 分层专家混合204
9.6 遗漏数据206
9.7 计算考虑207
文献注释208
习题208
第10章 提升和加法树210
10.1 提升方法210
10.2 提升拟合加法模型213
10.3 前向分步加法建模213
10.4 指数损失函数和AdaBoost214
10.5 为什么使用指数损失216
10.6 损失函数和健壮性216
10.7 数据挖掘的“现货”过程219
10.8 例：垃圾邮件数据220
10.9 提升树223
10.10 数值优化224
10.11 提升适当大小的树227
10.12 正则化228
10.13 可解释性232
10.14 实例235
文献注释241
习题241
第11章 神经网络243
11.1 引言243
11.2 投影寻踪回归243
11.3 神经网络245
11.4 拟合神经网络247
11.5 训练神经网络的一些问题249
11.6 例：模拟数据251
11.7 例：ZIP编码数据253
11.8 讨论257
11.9 计算考虑257
文献注释257
习题258
第12章 支持向量机和柔性判别259
12.1 引言259
12.2 支持向量分类器259
12.3 支持向量机263
12.4 线性判别分析的推广272
12.5 柔性判别分析273
12.6 罚判别分析277
12.7 混合判别分析279
12.8 计算考虑284
文献注释284
习题285
第13章 原型方法和最近邻287
13.1 引言287
13.2 原型方法287
13.3 k-最近邻分类器290
13.4 自适应的最近邻方法298
13.5 计算考虑302
文献注释302
习题302
第14章 无指导学习305
14.1 引言305
14.2 关联规则306
14.3 聚类分析316
14.4 自组织映射335
14.5 主成分、曲线和曲面339
14.6 独立成分分析和探测性投影寻踪345
14.7 多维定标350
文献注释352
习题352
术语表356
参考文献369