☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　互聯網、社交網絡、病毒營銷等事物已經為大眾所熟知，網絡充斥著我們日常生活的各個方麵。在這樣的背景下，網絡分析成為瞭定量科學發展快的領域之一，其起源可以追溯至20世紀30年代的社會網絡分析以及幾個世紀前的圖論研究。網絡研究離不開對數據的度量與分析，因此統計方法在網絡分析中發揮著重要作用。在網絡研究的相關書籍中，《網絡數據的統計分析：R語言實踐》首次采用瞭這種統計視角。從基本的數據操作和網絡可視化，到概括網絡的特徵，再到對網絡數據建立模型，《網絡數據的統計分析：R語言實踐》用豐富的案例說明瞭如何利用多個R語言擴展包進行各類網絡分析。R語言擴展包igraph提供瞭大量用於網絡分析的功能，書中以其作為主要的工具。

作者簡介

　　Eric D. Kolaczyk是波士頓大學數學與統計係的統計學教授與統計學項目負責人，同時是生物信息學項目、係統工程方嚮以及計算神經科學項目的教職人員。他撰寫的以網絡為主題的著作不僅發展瞭統計學的方法與理論，還涵蓋瞭探測計算機網絡上的匿名流量模式，預測蛋白質相互作用網絡中的生物功能，以及刻畫社會網絡中行動者群體影響等應用性的工作。他是美國統計協會（American Statistical Association，簡稱ASA）會士，也是電氣和電子工程師協會(Institute of Electrical and Electronics Engineers，簡稱IEEE)高級會員。
　　
　　Gabor Cs5rdi是美國哈佛大學統計係的研究助理，獲匈牙利羅蘭大學計算機科學博士學位。他的研究包括網絡分析在生物學與社會科學中的應用，生物信息學與計算生物學，以及圖論算法等。他於2005年創建瞭igraph擴展包，此後一直是主要的開發者之一。

內頁插圖

目錄

譯者序
前言
作者簡介

第1章 引言
1．1 為什麼研究網絡？
1．2 網絡分析的類型
1． 2．1．網絡可視化與特徵化
1．2．2 網絡建模與推斷
1．2．3 網絡過程
1．3 為什麼使用R進行網絡分析？
1．4 關於本書
1．5 關於本書的R語言代碼

第2章 操作網絡數據
2．1 概述
2．2 創建網絡圖
2．2．1 無嚮圖和有嚮圖
2．2．2 圖的錶示
2．2．3 圖的操作
2．3 網絡圖的修飾
2．3．1 節點、邊和圖的屬性
2．3．2 使用數據框
2．4 關於圖
2．4．1 圖的基本概念
2．4．2 特殊類型的圖
2．5 參考讀物

第3章 網絡數據可視化
3．1 概述
3．2 圖可視化的基本元素
3．3 圖的布局
3．4 修飾圖的布局
3．5 大型網絡可視化
3．6 使用R之外的可視化工具
3．7 參考讀物

第4章 網絡圖特徵的描述性分析
4．1 概述
4．2 節點和邊的特徵
4．2．1 節點度
4．2．2 節點中心性
4．2．3 邊的特徵
4．3 網絡的凝聚性特徵
4．3．1 子圖與普查
4．3．2 密度與相對頻率
4．3．3 連通性、割與流
4．4 圖分割
． 4．4．1 層次聚類
4．4．2 譜分割
4．4．3 圖分割的驗證
4．5 同配性與混閤
4．6 參考讀物

第5章 網絡圖的數學模型
5．1 概述
5．2 經典隨機圖模型
5．3 廣義隨機圖模型
5．4 基於機製的網絡圖模型
5．4．1 小世界模型
5．4．2 優先連接模型
5．5 評估網絡圖特徵的顯著性
5．5．1 評估網絡社團數量
5．5．2 評估小世界性
5．6 參考讀物

第6章 網絡圖的統計模型
6．1 概述
6．2 指數隨機圖模型
6．2．1 一般形式
6．2．2 模型界定
6．2．3 模型擬閤
6．2．4 擬閤優度
6．3 網絡塊模型
6．3．1 模型界定
6．3．2 模型擬閤
6．3．3 擬閤優度
6．4 潛變量網絡模型
6．4．1 一般形式
6．4．2 界定潛變量效應
6．4．3 模型擬閤
6．4．4 擬閤優度
6．5 參考讀物

第7章 網絡拓撲結構推斷
7．1 概述
7．2 鏈路預測
7．3 關聯網絡推斷
7．3．1 相關網絡
7．3．2 偏相關網絡
7．3．3 i畝斯圖模型網絡
7．4 網絡的層析拓撲結構推斷
7．4．1 約束問題：樹拓撲結構
7．4．2 樹拓撲結構的層析推斷示例．
7．5 參考讀物

第8章 網絡圖上的過程建模與預測
8．1 概述
8．2 最近鄰方法
8．3 馬爾科夫隨機場
8．3．1 一般形式
8．3．2 自邏輯模型
8．3．3 自邏輯模型的推斷與預測
8．3．4 擬閤優度
8．4 核方法
8．4．1 設計圖上的核函數
8．4．2 圖上的核迴歸
8．5 動態過程的建模與預測
8．5．1 傳染病過程示例
8．6 參考讀物

第9章 網絡流數據分析
9．1 概述
9．2 網絡流建模：引力模型
9．2．1 模型界定
9．2．2 引力模型的推斷
9．3 網絡流的預測：流量矩陣估計
9．3．1 不適定逆問題
9．3．2 層析引力方法
9．4 參考讀物

第10章 動態網絡
10．1 概述
10．2 動態網絡的錶示與操作
10．3 動態網絡的可視化
10．4 動態網絡的特徵化
10．5 動態網絡建模

參考文獻
索引
彩圖節選

前言/序言

　　網絡和網絡分析無疑是近年來定量科學進展大的領域之一。雖然作為領域起源的社會網絡分析可以追溯至20世紀30年代，圖論研究可以上溯幾個世紀，但“網絡科學”領域的迅速崛起與普及隻是近10到15年的事情。通過我們熟悉的互聯網、社交網絡、病毒營銷等途徑，網絡已經滲透到日常生活的方方麵麵，而不僅僅是一個研究領域或者一種研究方法瞭。數據的度量與分析是網絡研究的重要組成部分。因此，在實際應用、研究方法以及理論發展方麵，網絡分析都很需要或簡或繁的各類統計方法。與其他統計學分支一樣，網絡分析同時包括描述性和推斷性的統計方法。使用這些方法可以完成與網絡有關的各種任務，包括基本的網絡結構可視化與特徵化，對網絡拓撲的采樣、建模與推斷，以及對網絡上的靜態和動態過程進行建模和預測。

　　當前已經有很多可以進行網絡分析的軟件，橫跨各種平颱、編程語言和使用環境。毫無疑問，R語言社區在網絡數據統計分析軟件的開發上尤其活躍。寫作本書時，已經有幾十個具有某些網絡分析功能的R擴展包瞭。它們可以共同完成網絡分析的各類任務：從標準的網絡數據操作、可視化與特徵化（如igraph、network和sna擴展包），到網絡建模（如igraph，eigenmodel、ergm和mixer擴展包），再到對網絡拓撲的推斷（如glasso和huge擴展包）。除此之外，R的基本擴展包還提供瞭大量其他的分析工具和函數。

　　本書的寫作目的是為網絡數據的統計分析提供一種使用R語言的、簡單易得的入門課程。因此，本書既不是涉及的各種R擴展包的使用手冊，也不打算介紹所涉及主題的詳盡概念和技術基礎。相反，我們希望在這兩者之間尋找一個平衡，並且在閱讀體驗的基礎上，采用（希望是！）最簡潔的程度來組織文字。相應地，我們預計本書會被以下人群使用：（1）希望開展網絡數據統計分析的統計學者，無論是作為研究方嚮還是與他人閤作，且希望繼續使用R作為分析工具；（2）來自類似定量領域（如計算機科學、統計物理、經濟學等）的復雜網絡研究者，無論對統計是否熟悉，希望較快掌握R語言中的網絡數據統計分析方法；（3）應用領域的實踐者，希望涉足與某些特定應用相關的網絡分析方法。

網絡數據的統計分析：R語言實踐 [Statistical Analysis of Network Data with R] 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

好好好好好好好好好好好好好好好

評分☆☆☆☆☆

總體來看還是挺不錯的～～～

評分☆☆☆☆☆

看不懂，看不懂

評分☆☆☆☆☆

還沒開始看 不過深度學習是一個很有前途的領域。

評分☆☆☆☆☆

可以

評分☆☆☆☆☆

16年齣的中文版，內容不錯

評分☆☆☆☆☆

書挺好的，內容錶達的比較清晰，對實際工作有不少幫助，好評！

評分☆☆☆☆☆

商品基本適用。可以說，有很多可以開發的資源，對於學習來說，不錯的。

評分☆☆☆☆☆

書很好，印刷清楚，包裝完好

類似圖書 點擊查看全場最低價

查看全網最低價