作者：吴喜之编著
页数：236
出版社：中国人民大学出版社
出版日期：2016
ISBN：9787300222875
电子书格式：pdf/epub/txt
内容简介
在任何国家及任何制度下都能够生存和发展的知识和能力，就是科学，是人们在生命的历程中应该获得的。
吴喜之
1 纠正了传统教材只重视回归而忽视分类的偏见
2 实际工作中，分类的需求并不比回归少，在分类领域, 机器学习方法在应用范围及预测精度上都普遍超过传统的诸如判别分析和二元时的logistic回归等参数方法。
3 本书以数据为导向，对应不同的数据介绍尽可能多的方法, 并且说明各种方法的优点、缺点及适用范围. 对于不同模型的比较, 本书将主要采用客观的交叉验证的方法.
作者简介
吴喜之北京大学数学力学系本科，美国北卡罗来纳大学统计博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所著名学府执教。
本书特色
本书包括的内容有: 经典线性回归、广义线性模型、纵向数据(分层模型), 机器学习回归方法(决策树、bagging、随机森林、mboost、人工神经网络、支持向量机、k最近邻方法)、生存分析及cox模型、经典判别分析与logistic回归分类、机器学习分类方法(决策树、bagging、随机森林、adaboost、人工神经网络、支持向量机、k最近邻方法). 其中, 纵向数据(分层模型)及生存分析及cox模型的内容可根据需要选用, 所有其他的内容都应该在教学中涉及, 可以简化甚至忽略的内容为一些数学推导和某些不那么优秀的模型, 不可以忽略的是各种方法的直观意义及理念.
