數(shù)據(jù)科學(xué)基礎(chǔ)——基于R與Python的實(shí)現(xiàn)
定 價(jià):59 元
叢書名:基于Python的數(shù)據(jù)分析叢書
當(dāng)前圖書已被 7 所學(xué)校薦購(gòu)過!
查看明細(xì)
- 作者:吳喜之 張敏
- 出版時(shí)間:2025/1/1
- ISBN:9787300334660
- 出 版 社:中國(guó)人民大學(xué)出版社
- 中圖法分類:TP312.8
- 頁碼:188
- 紙張:
- 版次:1
- 開本:16
本書第1章是關(guān)于數(shù)據(jù)及初等的描述,這是初識(shí)真實(shí)數(shù)據(jù)所必需的。第2章介紹概率論的基本知識(shí), 這是描述隨機(jī)世界的數(shù)學(xué)工具, 對(duì)這部分熟悉的讀者可以僅僅作為參考。第3章介紹了傳統(tǒng)統(tǒng)計(jì)的基本思維方式, 這部分雖然和后續(xù)內(nèi)容關(guān)系不大, 但由于是歷史, 應(yīng)該保留, 但可以僅作為參考或討論。第4章介紹有監(jiān)督機(jī)器學(xué)習(xí)基礎(chǔ), 包括建模、模型解釋、模型預(yù)測(cè)、基于交叉驗(yàn)證的模型比較等內(nèi)容, 系統(tǒng)深入地介紹回歸及分類方法的概念及方法。作為監(jiān)督學(xué)習(xí)載體的具體模型, 不但介紹了傳統(tǒng)統(tǒng)計(jì)中最常用的最小二乘線性回歸, 還從基本原理到編程全方位介紹了作為機(jī)器學(xué)習(xí)中最重要的基本學(xué)習(xí)器之一的決策樹, 為后面要引進(jìn)的更精確的組合方法奠定了基礎(chǔ).。第5章介紹了組合方法及若干重要的組合方法模型: bagging、隨機(jī)森林、梯度增強(qiáng)法和 AdaBoost。 第6章詳細(xì)地介紹了人工神經(jīng)網(wǎng)絡(luò)的基本概念, 人工神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ), 理解神經(jīng)網(wǎng)絡(luò)對(duì)今后學(xué)習(xí)深度學(xué)習(xí)有很大的益處。
吳喜之 北京大學(xué)數(shù)學(xué)力學(xué)系本科畢業(yè),北卡羅來納大學(xué)統(tǒng)計(jì)系博士。中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院教授,博士生導(dǎo)師。曾在南開大學(xué)、北京大學(xué)、加利福尼亞大學(xué)、北卡羅來納大學(xué)等多所著名學(xué)府執(zhí)教。
張敏,重慶工商大學(xué)青年教師。
第1章 體現(xiàn)真實(shí)世界的數(shù)據(jù)
1.1 數(shù)據(jù): 對(duì)真實(shí)世界的記錄
1.2 變量的逐個(gè)描述
1.3 變量關(guān)系的描述
1.4 數(shù)據(jù)的簡(jiǎn)單描述可能很膚淺甚至誤導(dǎo)
1.5 習(xí)題
1.6 附錄: 正文中沒有的 R 代碼
1.7 附錄: 本章的Python代碼
第2章 傳統(tǒng)統(tǒng)計(jì): 參數(shù)推斷簡(jiǎn)介
2.1 關(guān)于總體均值 μ 的推斷
2.2 關(guān)于伯努利試驗(yàn)概率的推斷
2.3 習(xí) 題
2.4 附錄: 本章的 Python 代碼
第3章 有監(jiān)督學(xué)習(xí)基礎(chǔ)
3.1 引 言
3.2 簡(jiǎn)單回歸模型初識(shí)
3.3 最小二乘線性回歸模型
3.4 決策樹回歸
3.5 通過例子總結(jié)兩種回歸方法
3.6 簡(jiǎn)單分類模型初識(shí)
3.7 Logistic回歸的數(shù)學(xué)背景
3.8 決策樹分類的更多說明
3.9 通過例子對(duì)兩種分類方法進(jìn)行總結(jié)
3.10 多分類問題
3.11 習(xí)題
3.12 附錄: 正文中沒有的 R 代碼
3.13 附錄: 本章的 Python代碼
第4章 機(jī)器學(xué)習(xí)組合算法
4.1 什么是組合算法
4.2 bagging
4.3 隨機(jī)森林
4.4 梯度下降法及極端梯度增強(qiáng)回歸
4.5 AdaBoost 分類
4.6 組合算法對(duì)兩個(gè)數(shù)據(jù)的交叉驗(yàn)證
4.7 習(xí)題
4.8 附錄: 正文中沒有的R代碼
4.9 附錄: 本章的Python代碼
第5章 神經(jīng)網(wǎng)絡(luò)
5.1 基本概念
5.2 通過基礎(chǔ)編程了解神經(jīng)網(wǎng)絡(luò)的細(xì)節(jié)
5.3 習(xí)題
5.4 附錄: 本章的Python代碼