填写邮箱后继续，文件将发送至该邮箱。
| 图书基本信息 | |||
| 图书名称 | 应用回归及分类：基于R | 作者 | 吴喜之 |
| 定价 | 32元 | 出版社 | 中国人民大学出版社 |
| ISBN | 9787300222875 | 出版日期 | 2016-01-01 |
| 字数 | 326000 | 页码 | 236 |
| 版次 | 装帧 | 平装 | |
| 开本 | 128开 | 商品重量 | |
| 内容提要 | |
| 《基于R应用的统计学丛书·应用回归及分类:基于R》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、森林、mboost、人工神经网络、支持向量机、k 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、森林、adaboost、人工神经网络、支持向量机、k 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的模型，不可以忽略的是各种方法的直观意义及理念。 |
| 目录 | |
| 章 引言 第二章 经典线性回归 第三章 广义线性模型 第四章 纵向数据及分层模型 第五章 机器学习回归方法 第六章 生存分析及Cox模型 第七章 经典分类：判别分析 第八章 机器学习分类方法 附录 练习：熟练使用R软件 参考文献 |
| 作者介绍 | |
| 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、北京大学等多所学府执教。 |
| 编辑推荐 | |
| 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. |
