电子工业出版社有限公司店铺主页二维码
电子工业出版社有限公司
电子工业出版社有限公司有赞官方供货商,为客户提供一流的知识产品及服务。
微信扫描二维码,访问我们的微信店铺

统计计算与智能分析理论及其Python实践

127.20
运费: 免运费
统计计算与智能分析理论及其Python实践 商品图0
统计计算与智能分析理论及其Python实践 商品缩略图0

商品详情

书名:统计计算与智能分析理论及其Python实践
定价:159.0
ISBN:9787121426087
作者:无
版次:第1版
出版时间:2022-02

内容提要:
本书介绍统计计算与智能分析基础理论以及基于Python的模型算法实现。全书由13章组成,主要内容有:随机数生成技术;数据探索性分析;特征提取与选择方法;*大期望算法;Markov链蒙特卡罗方法;重采样技术;重要采样技术;序贯重要性采样;非参数概率密度估计;非参数回归分析;树模型理论;概率图模型;模型性能评价技术。



作者简介:
燕雪峰,男,1974年4月出生,江苏泰兴人。2005年3月于北京理工大学获计算机应用技术专业工学博士。南京航空航天大学计算机科学与技术学院教授,博士生导师,副院长,江苏省六大人才高峰。长期从事面向领域的复杂装备系统工程方法论研究及应用、复杂体系建模与评估工作。承担与本书相关的国家重点研发计划课题、国防基础科研重点项目、装发重点项目和一般项目8项。相关研究发行英文专著一部,近5来在国内外期刊、会议上发表论文30余篇,其中SCI 5篇,CCF会议论文和EI期刊论文10余篇,重要核心论文5篇。先后获国防科工局科技进步奖二等奖、江苏省级教改一等奖。

目录:
第 1章 随机数生成技术..............................................................1

1.1标准分布的随机数生成 ....................................................... 1

1.1.1连续型随机变量仿真生成 ...................................................2

1.1.2离散型随机变量仿真生成 ..................................................10

1.2非标准分布的随机数生成 ................................................... 14

1.2.1逆变换法 ............................................................... 14

1.2.2接受-拒绝法与自适应拒绝法 ............................................... 16

1.2.3组合法 ................................................................. 22

1.3随机过程的随机数生成 ......................................................26

1.3.1马尔可夫过程仿真生成....................................................27

1.3.2泊松过程仿真生成 ....................................................... 31

1.3.3维纳过程仿真生成 ....................................................... 35

1.4基于变分自编码器模型的数据生成 .......................................... 36

1.4.1 VAE模型基本思想.......................................................37

1.4.2变分自编码器模型 ....................................................... 37

1.5基于生成式对抗网络的数据生成 .............................................46

1.5.1 GANs的基本原理 ....................................................... 46

1.5.2 GANs理论推导 ......................................................... 48

1.5.3 GANs算法的近优算法 ................................................... 53

1.6习题 ........................................................................ 57
第 2章 探索性数据分析 ............................................................ 61

2.1一维探索性数据分析 ........................................................ 61

2.1.1汇总统计量 ............................................................. 62

2.1.2直方图 ................................................................. 65

2.1.3茎叶图 ................................................................. 66

2.1.4箱线图 ................................................................. 68

2.1.5正态概率图 ............................................................. 70

2.1.6 Q-Q图 .................................................................72

2.2多维探索性数据分析 ........................................................ 75

2.2.1多属性统计量 ........................................................... 75

2.2.2散点图 ................................................................. 77

2.2.3边缘直方图 ............................................................. 83

2.2.4边缘箱形图 ............................................................. 84

2.2.5成对图 ................................................................. 86

2.2.6 Box-Cox线性变换图 ..................................................... 87

2.2.7自相关图和偏自相关图....................................................90

2.2.8交叉相关图 .............................................................94

2.2.9滞后图 ................................................................. 95

2.3习题 ........................................................................ 97
第 3章 特征提取与选择方法 .......................................................100

3.1特征提取方法 ..............................................................100

3.1.1主成分分析 ............................................................ 100

3.1.2因子分析 .............................................................. 109

3.1.3独立分量分析 .......................................................... 115

3.1.4线性判别分析 .......................................................... 125

3.2时间序列的特征提取方法 .................................................. 130

3.2.1 STL分解算法 ..........................................................130

3.2.2经验模态分解 .......................................................... 132

3.2.3奇异谱分析方法 ........................................................ 139

3.2.4小波变换 .............................................................. 143

3.3特征选择方法 ..............................................................160

3.3.1过滤特征选择 .......................................................... 161

3.3.2 Wrapper法 ............................................................163

3.3.3 Embedded法 .......................................................... 166

3.3.4贝叶斯统计和正则化 .................................................... 168

3.4习题 .......................................................................173
第 4章 *大期望算法..............................................................176

4.1从极大似然估计到 EM算法 ............................................... 176

4.2 EM算法原理与实现 ....................................................... 178

4.2.1 EM算法原理 .......................................................... 178

4.2.2 EM算法 .............................................................. 180

4.3 EM算法应用 .............................................................. 184

4.3.1 K-Means聚类算法 ......................................................184

4.3.2高斯混合模型聚类算法 .................................................. 187

4.3.3 K-Means和 GMM的关系 ............................................... 195

4.4习题 .......................................................................195
第 5章 马尔可夫链蒙特卡罗方法 .................................................. 197

5.1蒙特卡罗方法引入 ......................................................... 197

5.2马尔可夫链蒙特卡罗方法 .................................................. 198

5.3 Metropolis-Hastings采样 .................................................. 200

5.3.1 Metropolis采样算法 .................................................... 200

5.3.2 Metropolis-Hastings采样算法 ............................................ 204

5.3.3多维 Metropolis-Hastings采样算法 ....................................... 207

5.4 Gibbs采样 ................................................................ 209

5.5马尔可夫链蒙特卡罗方法应用 ..............................................213

5.5.1基于 MCMC的贝叶斯统计推断...........................................213

5.5.2可逆跳转 MCMC方法 .................................................. 215

5.6习题 .......................................................................220
第 6章 重采样技术 ................................................................222

6.1刀切法.....................................................................222

6.1.1刀切法基本原理 ........................................................ 222

6.1.2刀切法算法与实现 ...................................................... 225

6.2自助法.....................................................................225

6.2.1自助法基本原理 ........................................................ 225

6.2.2 Rn的统计特性 ......................................................... 229

6.3重采样技术的应用 ......................................................... 230

6.3.1 Bagging算法 .......................................................... 230

6.3.2 Boosting算法 ..........................................................237

6.3.3总结 .................................................................. 244

6.4习题 .......................................................................244
第 7章 重要抽样技术..............................................................247

7.1重要抽样基本原理 ......................................................... 247

7.2分层重要抽样方法 ......................................................... 253

7.3重要抽样在深度学习中的应用 ..............................................257

7.4习题 .......................................................................260
第 8章 序贯重要抽样..............................................................263

8.1贝叶斯重要抽样方法 ....................................................... 264

8.2序贯重要抽样算法 ......................................................... 265

8.3重要函数的选择 ........................................................... 267

8.4重采样方法 ................................................................ 270

8.5习题 .......................................................................274
第 9章 非参数概率密度估计 .......................................................276

9.1直方图法 .................................................................. 276

9.2 Parzen窗估计法 ...........................................................279

9.3 K.近邻法 .................................................................281

9.4核密度估计法 ..............................................................283

9.5 B样条密度估计 ........................................................... 291

9.6习题 .......................................................................296

第 10章 非参数回归分析 .......................................................... 298

10.1非参数回归概念 .......................................................... 298

10.2权函数方法 ...............................................................299

10.2.1核权函数法 ........................................................... 299

10.2.2局部多项式回归 ....................................................... 302

10.2.3局部多项式加权散点图平滑估计 ..........................................304

10.3*近邻函数法.............................................................306

10.4习题 ......................................................................309
第 11章 树模型理论...............................................................311

11.1决策树模型 ...............................................................311

11.1.1决策树分类算法 ....................................................... 311

11.1.2特征选择 ............................................................. 313

11.1.3决策树的生成 ......................................................... 318

11.1.4剪枝过程 ............................................................. 319

11.2分类回归树模型 .......................................................... 321

11.3提升树模型 ...............................................................328

11.3.1 GBDT模型 .......................................................... 328

11.3.2 XGBoost模型 ........................................................ 340

11.3.3 LightGBM模型 ....................................................... 344

11.4习题 ......................................................................350
第 12章 概率图模型...............................................................353

12.1贝叶斯网络 ...............................................................353

12.1.1贝叶斯方法与贝叶斯定理 ............................................... 353

12.1.2贝叶斯网络 ........................................................... 357

12.1.3贝叶斯网络结构学习算法 ............................................... 364

12.1.4贝叶斯网络推理 ....................................................... 366

12.1.5动态贝叶斯网络 ....................................................... 368

12.2马尔可夫网络.............................................................369

12.2.1马尔可夫网络定义 ..................................................... 370

12.2.2条件独立性质 ......................................................... 371

12.2.3马尔可夫网络分解 ..................................................... 373

12.3因子图 ................................................................... 375

12.3.1因子图定义与描述 ..................................................... 375

12.3.2因子图的提取——和积算法 ............................................. 377

12.4习题 ......................................................................381
第 13章 模型性能评价技术 ........................................................382

13.1模型评价方法.............................................................382

13.1.1交叉验证过程 ......................................................... 383

13.1.2简单交叉验证 ......................................................... 384

13.1.3 k-折交叉验证 ......................................................... 384

13.1.4留一交叉验证 ......................................................... 385

13.1.5 Bootstrap交叉验证 ....................................................385

13.2模型性能评价指标 ........................................................ 386

13.2.1分类模型评价指标 ..................................................... 386

13.2.2回归模型评价指标 ..................................................... 393

13.3习题 ......................................................................395
参考文献 ............................................................................ 396
电子工业出版社有限公司店铺主页二维码
电子工业出版社有限公司
电子工业出版社有限公司有赞官方供货商,为客户提供一流的知识产品及服务。
扫描二维码,访问我们的微信店铺

统计计算与智能分析理论及其Python实践

手机启动微信
扫一扫购买

收藏到微信 or 发给朋友

1. 打开微信,扫一扫左侧二维码

2. 点击右上角图标

点击右上角分享图标

3. 发送给朋友、分享到朋友圈、收藏

发送给朋友、分享到朋友圈、收藏

微信支付

支付宝

扫一扫购买

收藏到微信 or 发给朋友

1. 打开微信,扫一扫左侧二维码

2. 点击右上角图标

点击右上角分享图标

3. 发送给朋友、分享到朋友圈、收藏

发送给朋友、分享到朋友圈、收藏