 |
|
本书介绍了统计学习的思想、方法和理论，以及R语言应用，涵盖统计学习的内容包括：绪论、模型评价、线性回归模型、重抽样方法、判别分析、K近邻法、模型选择与正则化、非参数回归模型、logistic回归、决策树、支持向量机、主成分分析、聚类分析、前馈神经网络和卷积神经网络等。本书的主要特色是提供了大量翔实的应用案例，并使用R语言进行计算和数据可视化，对书中的统计学习方法和理论都给出了R语言程序和应用，并配有相当数量的习题可供练习。本书取材新颖、阐述严谨、推导详尽、重点突出、深入浅出、富有启发性，便于教学与自学。本书可作为统计学、数据科学、数学、计算机科学、人工智能、金融学、经济学、医学和工程领域等专业本科生和研究生的统计学习、机器学习和数据分析等课程的教材或者参考书，也可供从事数据分析的相关科技人员和工作者参考。 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
