作者：(瑞士)彼得·布尔曼(PeterBuh
页数：452
出版社：国防工业出版社
出版日期：2018
ISBN：9787118115406
高清校对版pdf（带目录）
夸克网盘：https://pan.quark.cn/s/978354c88716
百度网盘：https://pan.baidu.com/s/1xFQUzo49znUkQ9-s2ivy9A?pwd=iieh
内容简介
《高维数据统计方法、理论与应用》融合了方法概念、计算算法以及高维统计学方面的数学理论和应用。方法和计算中的数学基础在探索令人兴奋的潜在结果和理解基本限制条件的过程中起着积极作用。从这个意义上讲，方法和定理的结合构成了《高维数据统计方法、理论与应用》的基石。我们本着强调数学假设及其性质的原则，介绍了一些方法及其在数据分析中的潜在价值，其中的理论推导以现实数据的应用问题为牵引。数学推导产生的结果，不仅能产生更深刻的认识，而且根据适用范围可以对各种方法和算法进行分类。《高维数据统计方法、理论与应用》意不在于技术发展水平的一般概述，而是对我们自己工作进行选择性介绍。
本书特色
《高维数据统计方法、理论与应用》融合了方法概念、计算算法以及高维统计学方面的数学理论和应用。方法和计算中的数学基础在探索令人兴奋的潜在结果和理解基本限制条件的过程中起着积极作用。从这个意义上讲，方法和定理的结合构成了《高维数据统计方法、理论与应用》的基石。我们本着强调数学假设及其性质的原则，介绍了一些方法及其在数据分析中的潜在价值，其中的理论推导以现实数据的应用问题为牵引。数学推导产生的结果，不仅能产生更深刻的认识，而且根据适用范围可以对各种方法和算法进行分类。《高维数据统计方法、理论与应用》意不在于技术发展水平的一般概述，而是对我们自己工作进行选择性介绍。
目录
1.1 框架结构
1.2 潜在价值和挑战
1.3 关于本书
1.3.1 本书的组织结构
1.4 实例
1.4.1 基因学中的生物标记发现及预测
第2章 线性模型中的Lasso
2.1 本章的组织结构
2.2 引言及预备知识
2.2.1 Lasso评估量
2.3 正交观测量
2.4 预测
2.4.1 Lass0预测的实际应用
2.4.2 渐进理论的一些结果
2.5 变量筛选和IIB-B0IIq-范数
2.5.1 变量筛选中的调谐参数选择
2.5.2 针对DNA结合点的M0tif回归
2.6 变量选择
2.6.1 邻域稳定性和irrepresentable条件
2.7 总结关键性质和相关假设
2.8 自适应Lasso：两阶段流程
2.8.1 说明：仿真数据和motif回归
2.8.2 正交观测量
2.8.3 自适应Lasso：弱条件下的变量选择
2.8.4 计算
2.8.5 多步骤自适应Lasso
2.8.6 非凸的惩罚函数
第3章 广义线性模型和Lasso
第4章 Group Lasso
第5章 加性模型和单变量平滑函数
第6章 Lasso理论
第7章 使用Lasso做变量选择
第8章 l1l2-惩罚过程理论
第9章 非凸损失函数与l1-正则化
第10章 稳定解
第11章 线性模型及拓展的p-值
第12章 贪婪算法及Booting算法
第13章 图形化建模
第14章 概率以及矩不等式
非特殊说明，本博所有文章均为博主原创。
![[PDF下载] 复杂数据统计方法-基于R的应用-(第三版)](https://image12.bookschina.com/2015/20150504/B7012692.jpg "[PDF下载] 复杂数据统计方法-基于R的应用-(第三版)")
![[PDF下载] 高维数据模型的统计学习方法和预测精度评估](https://image12.bookschina.com/2024/20240414/1/B9278700.jpg "[PDF下载] 高维数据模型的统计学习方法和预测精度评估")
![[PDF下载] 面向大数据的高维数据挖掘技术](https://image12.bookschina.com/2018/20180607/B7811236.jpg "[PDF下载] 面向大数据的高维数据挖掘技术")
![[PDF下载] 统计方法与应用](https://image12.bookschina.com/2019/20190704/1/B7399942.jpg "[PDF下载] 统计方法与应用")