扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
宇宙、量子和人类心灵
-
>
考研数学专题练1200题
-
>
希格斯:“上帝粒子”的发明与发现
-
>
神农架叠层石:10多亿年前远古海洋微生物建造的大堡礁
-
>
二十四史天文志校注(上中下)
-
>
声音简史
-
>
浪漫地理学:追寻崇高景观
现代回归分析方法引论/翁洋 版权信息
- ISBN:9787030587787
- 条形码:9787030587787 ; 978-7-03-058778-7
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 所属分类:>>
现代回归分析方法引论/翁洋 内容简介
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讲解作者在回归分析领域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。本书在讲授的基础知识的同时,也强调回归分析在实际中的应用,书中配有大量的实及其R语言的实现。本书可供数理统计、统计学,应用统计学及相关专业高年级本科生以及研究生作为教材使用
现代回归分析方法引论/翁洋 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 *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*小二乘估计 9
2.2.1 *小二乘估计 9
2.2.2 *小二乘估计的统计性质 12
2.2.3 *小二乘估计的*优性 17
2.2.4 带约束的*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 *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*优子集 49
3.4 贝叶斯线性模型 51
3.4.1 *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
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 *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*小二乘估计 9
2.2.1 *小二乘估计 9
2.2.2 *小二乘估计的统计性质 12
2.2.3 *小二乘估计的*优性 17
2.2.4 带约束的*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 *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*优子集 49
3.4 贝叶斯线性模型 51
3.4.1 *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
展开全部
书友推荐
- >
罗庸西南联大授课录
罗庸西南联大授课录
¥17.6¥32.0 - >
姑妈的宝刀
姑妈的宝刀
¥9.6¥30.0 - >
我与地坛
我与地坛
¥15.4¥28.0 - >
龙榆生:词曲概论/大家小书
龙榆生:词曲概论/大家小书
¥9.9¥24.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥18.6¥58.0 - >
经典常谈
经典常谈
¥17.1¥39.8 - >
回忆爱玛侬
回忆爱玛侬
¥11.5¥32.8 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0
本类畅销
-
怎样解题
¥17.2¥29 -
自然哲学的数学原理-拟定经典力学世界图景的旷世巨典-全新修订本
¥39.4¥58 -
数学-应用与思考
¥16.1¥32.8 -
数学万花筒 修订版
¥32.4¥49 -
数学万花筒-夏尔摩斯探案集-3
¥30.1¥39 -
新型元启发式算法及其应用
¥77.4¥98