中国教育装备采购网 【立即登录】 【免费注册】
                资讯
                专题
                人物访谈
                政府采购
                产品库
                求购库
                企业库
                院校库
                案例·技术
                会展信息
                行业日历
                体采通

                【新书推荐】《机器学习及R应用》目录

                中国教育装备采购网 2020/11/4 14:07:01 围观0次 我要分享

                  编者荐语:

                  《机器学习及R应用》终于上市啦!不少读者想知道《机器学习及R应用》的目录。这里附上详细的二、三级目录清单,让我们先睹为快!

                  以下文章来源于计量经济学及Stata应用,作者爱计量。

                  计量经济学及Stata应用

                  Our mission is to make econometrics easy, and facilitate convincing empirical works.

                【新书推荐】《机器学习及R应用》目录

                  陈强老师的《机器学习及R应用》终于上市啦!目前已经开始在高等教育出版社的官方微店预售。扫描(或识别)下方二维码,即可前往售书页面。

                  昨日推文引起极大反响,不少读者想知道《机器学习及R应用》的目录。这里附上详细的二、三级目录,以飨读者。

                【新书推荐】《机器学习及R应用》目录

                  内容简介

                  本书对于机器学习的核心方法,进行了深入而详细的介绍,并特别关注各学科常用的算法。特色在于力图以生动的语言、较多的插图与大量的实例来直观地解释机器学习的原理。同时,结合流行的R语言,及时地介绍相应的软件操作与经典案例,为读者提供“一站式”服务。本书还提供详尽的数学推导,尽量避免跳跃,并辅以直观的文字解释。对于看似复杂的机器学习原理,则删繁就简,娓娓道来,让读者渐入佳境。

                  本书适合普通高等学校经济管理类以及理工类等的高年级本科生和研究生使用。先修课包括微积分、线性代数与概率统计,但不要求有编程或R语言经验。本书将从零开始,让读者快速体会到R语言的美妙与威力。

                  目录

                  1章 绪论

                  1.1什么是机器学习

                  1.2机器学习的分类

                  1.3机器学习的术语

                  1.4机器如何学习

                  1.5机器学习与统计学、计量经济学的关系

                  2R语言入门

                  2.1为何使用R语言

                  2.2 R与RStudio的安装

                  2.3计算器与赋值

                  2.4向量

                  2.5缺失值与空值

                  2.6因子

                  2.7矩阵

                  2.8数组

                  2.9列表

                  2.10数据框

                  2.11描述性统计

                  2.12画图

                  2.13读写数据

                  2.14随机抽样

                  2.15条件语句

                  2.16循环语句

                  2.17函数

                  2.18工作空间管理

                  2.19帮助

                  2.20 R语言的更新

                  2.21进一步学习R的资源

                  3数学回顾

                  3.1 微积分

                  3.1.1导数

                  3.1.2偏导数

                  3.1.3方向导数

                  3.1.4向量微分

                  3.2 zui优化

                  3.2.1一元zui优化

                  3.2.2多元zui优化

                  3.2.3约束极值问题:等式约束

                  3.2.4 约束极值问题:非负约束

                  3.2.5 约束极值问题:不等式约束

                  3.2.6zui优化算法

                  3.3 线性代数

                  3.3.1矩阵

                  3.3.2方阵

                  3.3.3矩阵的转置

                  3.3.4向量

                  3.3.5矩阵的加法

                  3.3.6矩阵的数乘

                  3.3.7矩阵的乘法

                  3.3.8线性方程组

                  3.3.9逆矩阵

                  3.3.10矩阵的秩

                  3.3.11正交矩阵

                  3.3.12矩阵的特征值与特征向量

                  3.3.13实对称矩阵的对角化与谱分解

                  3.3.14二次型

                  3.4 概率统计

                  3.4.1概率

                  3.4.2条件概率

                  3.4.3独立事件

                  3.4.4全概率公式

                  3.4.5贝叶斯公式

                  3.4.6离散型概率分布

                  3.4.7连续型概率分布

                  3.4.8多维随机向量的概率分布

                  3.4.9条件分布

                  3.4.10 随机向量的数字特征

                  3.4.11迭代期望定律

                  3.4.12随机变量无关的三个层次概念

                  3.4.13正态分布

                  3.4.14Zui大似然估计

                  4章 线性回归

                  4.1监督学习的回归问题

                  4.2zui优预测

                  4.3线性回归模型

                  4.4zui小二乘法

                  4.5 OLS的正交性与几何解释

                  4.6施密特正交化与QR分解

                  4.7拟合优度

                  4.8过拟合与泛化能力

                  4.9偏差与方差的权衡

                  4.10模型评估的再抽样方法

                  4.11线性回归的R案例

                  5章 逻辑回归

                  5.1逻辑回归

                  5.2zui大似然估计

                  5.3 Logit模型的解释

                  5.4非线性模型的拟合优度

                  5.5 Logit模型的预测

                  5.6二分类模型的评估

                  5.7 ROC与AUC

                  5.8科恩的kappa

                  5.9逻辑回归的R案例

                  6多项逻辑回归

                  6.1多项逻辑回归

                  6.2zui大似然估计

                  6.3多项逻辑回归的解释

                  6.4多项逻辑回归的R案例

                  7判别分析

                  7.1贝叶斯决策理论

                  7.2线性判别分析

                  7.3二次判别分析

                  7.4费雪线性判别分析

                  7.5费雪线性判别与基于正态的线性判别之关系

                  7.6多分类问题的费雪判别分析

                  7.7判别分析的R案例

                  附录A7.1总体中的多分类费雪判别分析

                  附录A7.2样本中的多分类费雪判别分析

                  附录A7.3线性判元对于组间方差的贡献率

                  8章 朴素贝叶斯

                  8.1朴素贝叶斯

                  8.2拉普拉斯修正

                  8.3朴素贝叶斯的R案例

                  9章 惩罚回归

                  9.1高维回归的挑战

                  9.2岭回归

                  9.3岭回归的计算

                  9.4岭回归的几何解释

                  9.5套索估计量

                  9.6套索估计量的计算

                  9.7调节变量的选择

                  9.8弹性网估计量

                  9.9惩罚回归的R案例

                  附录A9.1 估计量均方误差的分解

                  附录A9.2 次梯度向量与次微分

                  附录A9.3 连续凸函数的zui小化定理

                  附录A9.4 标准正交设计下Lasso问题的解析解

                  10章 K近邻法

                  10.1回归问题的K近邻法

                  10.2如何选择K

                  10.3 分类问题的K近邻法

                  10.4K近邻法的优缺点

                  10.5K近邻法的R案例

                  11章 决策树

                  11.1分类树的启发案例

                  11.2二叉树的数学本质

                  11.3分类树的分裂准则

                  11.4信息理论

                  11.5成本复杂性修枝

                  11.6回归树

                  11.7 C5.0算法

                  11.8决策树的优缺点

                  11.9回归树的R案例

                  11.10分类树的R案例

                  12章 随机森林

                  12.1集成学习

                  12.2装袋法

                  12.3装袋法的原理

                  12.4袋外误差

                  12.5随机森林

                  12.6变量重要性

                  12.7偏依赖图

                  12.8回归问题的随机森林R案例

                  12.9分类问题的随机森林R案例

                  13章 提升法

                  13.1自适应提升法

                  13.2 AdaBoost的统计解释

                  13.3回归问题的提升法

                  13.4回归问题的其他损失函数

                  13.5梯度提升法

                  13.6二分类问题的逻辑损失函数

                  13.7多分类问题的交叉熵损失函数

                  13.8随机梯度提升

                  13.9回归提升树的R案例

                  13.10二分类提升树的R案例

                  13.11 多分类提升树的R案例

                  13.12 XGBoost算法

                  附录A13.1交叉熵损失函数

                  14章 支持向量机

                  14.1分离超平面

                  14.2zui大间隔分类器

                  14.3软间隔分类器

                  14.4软间隔分类器的统计解释

                  14.5支持向量机

                  14.6多分类问题的支持向量机

                  14.7支持向量回归

                  14.8支持向量机的优缺点

                  14.9支持向量机的R案例:模拟数据

                  14.10 支持向量机的二分类R案例

                  14.11 支持向量机的多分类R案例

                  14.12支持向量回归的R案例

                  15章 人工神经网络

                  15.1人工神经网络的思想

                  15.2感知机

                  15.3神经网络的模型

                  15.4神经网络的jihuo函数

                  15.5通用函数近似器

                  15.6神经网络的损失函数

                  15.7神经网络的算法

                  15.8神经网络的小批量训练

                  15.9神经网络的正则化

                  15.10卷积神经网络

                  15.11回归问题的神经网络R案例

                  15.12二分类问题的神经网络R案例

                  15.13多分类问题的神经网络R案例

                  16章 主成分分析

                  16.1总体中的主成分分析

                  16.2方差分解

                  16.3 样本中的主成分分析

                  16.4主成分分析的应用

                  16.5主成分分析的R案例

                  16.6主成分回归的R案例

                  17章 聚类分析

                  17.1K均值聚类的思想

                  17.2K均值聚类的算法

                  17.3如何选择K

                  17.4分层聚类

                  17.5基于相关系数的距离指标

                  17.6K均值聚类的R案例

                  17.7分层聚类的R案例

                  18章 数据科学的R语言

                  18.1何为数据科学

                  18.2管道算子

                  18.3输入数据

                  18.4数据清理

                  18.5数据变换

                  18.6高阶画图

                  18.7机器学习的统一接口

                  据悉,陈强老师即将于2021年1月20日在北京推出“机器学习及R应用”五天现场班,亲自讲授其新力作《机器学习及R应用》的全书精华。让我们期待陈强老师的精彩课程吧……

                  参考文献

                  陈强,《高级计量经济学及Stata应用》,第2版,高等教育出版社,2014年

                  陈强,《计量经济学及Stata应用》,高等教育出版社,2015年(好评如潮的配套教学视频,可在网易云课堂购买)

                  陈强,《机器学习及R应用》,高等教育出版社,2020年(配套五天现场班详情点击页底“阅读原文”

                  陈强,《机器学习及Python应用》,高等教育出版社,2020年,即将出版。

                (c) 2020, 陈强,山东大学经济学院

                www.econometrics-stata.com

                转载请注明作者与出处

                【新书推荐】《机器学习及R应用》目录

                Our mission is to make econometrics easy, and facilitate convincing empirical works.

                  科研软件推荐

                【新书推荐】《机器学习及R应用》目录

                  北京友万信息科技有限公司,简称:友万科技。英文全称:Beijing Uone Info&Tech Co.,Ltd,( Uone-Tech )是中国大陆领先的教育和科学软件分销商,已在中国300多所高校建立了可靠的分销渠道。拥有成功的教学资源和数据管理专家。如需申请软件采购及老版本更新升级请联系我们,感谢您的支持与关注。联系方式:徐经理 Tel/WeChat: 18610597626 Email: crystal@uone-tech.cn。

                点击进入北京友万信息科技有限公司展台查看更多 来源:中国教育装备采购网 作者:陈强,男,1971年出生,山东大学经济学院教授,数量经济学博士生导师。 责任编辑:张肖 我要投稿
                2020全国教育装备云展会
                采购网二维码

                扫一扫,欢迎关注

                教育装备采购网官方微信

                掌握教育装备行业最新、最权威资讯

                相关阅读

              1. 【新书推荐】陈强《机器学习及R应用》

                【新书推荐】陈强《机器学习及R应用》
                中国教育装备采购网11-04
                编者荐语:三年磨一剑,期待已久陈强老师的《机器学习及R应用》终于上市啦!本书对于机器学习的核心方法,进行了深入而详细的介绍,并特别关注各学科常...
              2. 为何14省50+地市选择青岛正日软件信息技术考试系统?

                为何14省50+地市选择青岛正日软件信息技术考试系统?
                中国教育装备采购网09-15
                截至2019年,青岛正日软件的考试服务用户覆盖山东、湖北、山西、内蒙古、辽宁、河南、四川、新疆等全国14个省(自治区)、50多个地市,为超过3000万考...
              3. 架起一座“蓝桥”,蓝凌让千万师生享受全新数字化教育

                架起一座“蓝桥”,蓝凌让千万师生享受全新数字化教育
                美通社08-26
                深圳2020年8月24日/美通社/--疫情影响之下,全国大中小学校及各类教培机构不得不延迟开学。在国家“停课不停学”的号召下,及各级教育部门、学校、校外...
              4. 安全桌面软件Secure Desktop 11已正式发布

                安全桌面软件Secure Desktop 11已正式发布
                中国教育装备采购网08-14
                SecureDesktop11是创建基于浏览器的桌面系统的理想方法,该系统用于工厂自动化,零售销售点,接待亭,图书馆,学校,实验室和咖啡馆。在需要基于浏览器...
              5. Hydro GeoAnalyst地下水与环境数据管理软件9.0版本已正式发布

                Hydro GeoAnalyst地下水与环境数据管理软件9.0版本已正式发布
                中国教育装备采购网07-08
                HydroGeoAnalyst(HGA)是综合和易于使用的环境数据管理系统。HGA将世界各地使用的可定制数据库结构与用于数据解释、统计分析、地理信息系统(GIS)绘...
              6. 教育部、工业和信息化部联合启动特色化示范性软件学院建设工作
                教育部06-21
                近日,教育部、工业和信息化部联合发布《特色化示范性软件学院建设指南(试行)》,聚焦国家软件产业发展重点,在关键基础软件、大型工业软件、行业应用软件、新型平台软件、嵌入式软件等领域,...
              7. 统计分析软件SPSS Statistics V27已正式发布!

                统计分析软件SPSS Statistics V27已正式发布!
                中国教育装备采购网06-18
                SPSSStatistics是功能强大的统计软件平台,旨在通过即席分析,假设检验,地理空间分析和预测分析来解决业务和研究问题。组织使用SPSSStatistics来理解...
              8. 开始报名 | 云技术研讨会—软件测试专场

                开始报名 | 云技术研讨会—软件测试专场
                中国教育装备采购网06-16
                随着“软件定义汽车”的时代到来,一大批新兴的技术广泛应用于汽车,包括云计算、大数据、人工智能、车联网、智能驾驶、三电系统等,使得智能网联汽车...
              9. 版权与免责声明:

                ① 凡本网注明"来源:中国教育装备采购网"的所有作品,版权均属于中国教育装备采购网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:中国教育装备采购网"。违者本网将追究相关法律责任。

                ② 本网凡注明"来源:XXX(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。

                ③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为放弃相关权利。

                2020全国教育装备云展会
                ?
                国产女主播黄片视频