現(xiàn)代統(tǒng)計(jì)研究叢著

內(nèi)容概要

《現(xiàn)代統(tǒng)計(jì)研究叢著:數(shù)據(jù)挖掘前沿問題》所涉及的是代表統(tǒng)計(jì)領(lǐng)域發(fā)展最快的部分，也是對(duì)傳統(tǒng)統(tǒng)計(jì)提出最重大挑戰(zhàn)的部分，這就是在數(shù)據(jù)挖掘?qū)嵺`中發(fā)展的新方法。而《現(xiàn)代統(tǒng)計(jì)研究叢著:數(shù)據(jù)挖掘前沿問題》所著重說明的前沿問題是：數(shù)據(jù)挖掘方法中最普遍應(yīng)用的分類和回歸中成為近年來發(fā)展熱點(diǎn)的組合方法。

書籍目錄

第1章 數(shù)據(jù)挖掘概論 1.1 引言 1.2 統(tǒng)計(jì)學(xué)家和計(jì)算機(jī)學(xué)家從不同角度看數(shù)據(jù)挖掘 1.3 數(shù)據(jù)源 1.4 數(shù)據(jù)挖掘的應(yīng)用 第2章 傳統(tǒng)統(tǒng)計(jì)面對(duì)的挑戰(zhàn) 2.1 統(tǒng)計(jì)的黑匣子特性 2.2 統(tǒng)計(jì)從數(shù)學(xué)繼承了什么 2.3 傳統(tǒng)的數(shù)據(jù)建模在應(yīng)用中所遇到的問題 2.4 算法建模 2.5 回到統(tǒng)計(jì)的最初宗旨 第3章 常用算法建模概述 3.1 引言 3.2 關(guān)聯(lián)規(guī)則分析 3.3 最近鄰方法 3.4 人工神經(jīng)網(wǎng)絡(luò) 3.5 支持向量機(jī) 3.6 VC維數(shù)和誤差界限 第4章 決策樹 4.1 引言 4.2 決策樹的構(gòu)建 4.3 不純度 4.4 ID3和C4.5算法 4.5 CART算法 4.6 CHAID方法 第5章 模型評(píng)價(jià) 5.1 引言 5.2 貝葉斯規(guī)則 5.3 模型評(píng)價(jià)——再論CART 5.4 推廣誤差和期望推廣誤差 5.5 推廣誤差和期望推廣誤差的估計(jì) 第6章 Bagging預(yù)測(cè)方法 6.1 Bagging方法簡(jiǎn)介 6.2 分類問題的Bagging算法 6.3 回歸問題的Bagging算法 6.4 Out—of—Bag（OOB）估計(jì) 6.5 討論 第7章 Boosting預(yù)測(cè)方法 7.1 AdaBoost算法 7.2 自適應(yīng)重新抽樣 7.3 AdaBoost算法的性質(zhì) 7.4 可加模型：從統(tǒng)計(jì)的角度看AdaBoost 7.5 梯度下降提升算法 7.6 分類問題的不同損失函數(shù)及LogitBoost分類算法 7.7 回歸問題的不同損失函數(shù)及L2—Boosting回歸方法 7.8 討論 第8章 隨機(jī)森林 8.1 子模型h（x；Θm） 8.2 隨機(jī)森林用于分類的案例 8.3 分類問題中隨機(jī)森林算法預(yù)測(cè)精度 8.4 隨機(jī)森林算法用于回歸問題 8.5 隨機(jī)森林中的OOB估計(jì) 8.6 再析隨機(jī)森林算法 8.7 自適應(yīng)隨機(jī)森林算法 參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   由于很多數(shù)理統(tǒng)計(jì)課程基本上由數(shù)學(xué)老師教授，完全按照純粹數(shù)學(xué)的模式設(shè)計(jì)，所以，對(duì)于背后的基于數(shù)據(jù)的統(tǒng)計(jì)思想介紹得不很充分，也不強(qiáng)調(diào)這些充滿假定的數(shù)學(xué)模型都是對(duì)現(xiàn)實(shí)世界的不同程度的簡(jiǎn)化。幾乎沒有人告訴學(xué)生，所有統(tǒng)計(jì)教科書中對(duì)數(shù)據(jù)（或其總體）的數(shù)學(xué)假定都是無法用數(shù)據(jù)驗(yàn)證的；大多數(shù)教科書僅僅指出這些模型在什么假定下可用，而很少指出違背這些假定的后果；統(tǒng)計(jì)教科書往往在給出統(tǒng)計(jì)方法結(jié)論的同時(shí)，不指出根據(jù)這些結(jié)論所作出決策的風(fēng)險(xiǎn)，也很少強(qiáng)調(diào)統(tǒng)計(jì)學(xué)家不能替代實(shí)際領(lǐng)域?qū)＜易鰶Q策的原則。數(shù)學(xué)化的統(tǒng)計(jì)教科書極少提到統(tǒng)計(jì)應(yīng)用中一系列決策的主觀性和任意性。 2.3 傳統(tǒng)的數(shù)據(jù)建模在應(yīng)用中所遇到的問題 首先，無論是統(tǒng)計(jì)學(xué)家還是其他領(lǐng)域的研究人員，對(duì)他們的研究對(duì)象所選擇的模型，無論是現(xiàn)成的，或者是他們要基于現(xiàn)成模型修正的，或者是他們針對(duì)這個(gè)課題所新建的，都僅僅是對(duì)現(xiàn)實(shí)世界的某種近似。而這些用數(shù)學(xué)語言所描述的模型存在的一個(gè)必要條件是它們必須能夠被人們解出來。這些解可以是近似的，或者是精確的。無論得到什么樣的結(jié)論，都由于模型的近似性而必然是近似的。而這些結(jié)果到底和現(xiàn)實(shí)世界有多么近似，則是不可能完全說清楚的。

編輯推薦

《現(xiàn)代統(tǒng)計(jì)研究叢著:數(shù)據(jù)挖掘前沿問題》是國家社科基金重大項(xiàng)目，是一本現(xiàn)代統(tǒng)計(jì)研究叢著?！冬F(xiàn)代統(tǒng)計(jì)研究叢著:數(shù)據(jù)挖掘前沿問題》主要研究的是關(guān)于數(shù)據(jù)挖掘前沿問題?！冬F(xiàn)代統(tǒng)計(jì)研究叢著:數(shù)據(jù)挖掘前沿問題》講述了一些關(guān)于數(shù)據(jù)挖掘的前沿統(tǒng)計(jì)方法，幫助讀者學(xué)習(xí)數(shù)據(jù)挖掘，解決數(shù)據(jù)挖掘出現(xiàn)的問題。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    現(xiàn)代統(tǒng)計(jì)研究叢著 PDF格式下載

---