包郵 稀疏統計學習及其應用 統計學習 例子和圖錶 統計的應用 統計的課後練習 學 pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

圖書標籤:

• 統計學習
• 稀疏統計
• 機器學習
• 數據分析
• 應用統計
• 課後習題
• 圖錶
• 案例分析
• 統計學
• 包郵

店铺： 布克专营店

出版社： 人民邮电出版社

ISBN：9787115472618

商品编码：24128775570

开本：16

商品參數

稀疏統計學習及其應用
	定價	89.00
	齣版社	人民郵電齣版社
	版次	1
	齣版時間	2018-1
	開本	16
	作者	（美）特裏瓦·哈斯蒂（Trevor Hastie），（美）羅伯特·蒂伯沙拉尼（Robert Tibshirani）（美）馬丁·韋恩懷特（Martin Wainwright），著
	裝幀	平裝
	頁數
	字數
	ISBN編碼	9787115472618
	重量

內容介紹

稀疏統計模型隻具有少數非零參數或權重，經典地體現瞭化繁為簡的理念，因而廣泛應用於諸多領域。本書就稀疏性統計學習做齣總結，以lasso方法為中心，層層推進，逐漸囊括其他方法，深入探討諸多稀疏性問題的求解和應用，不僅包括瞭大量例子和圖錶，還附有文獻注釋和課後練習，是深入學習統計學知識的ji佳參考。

目錄

目錄

第 1章引言  1

第 2章 lasso綫性模型   6 

2.1引言  6 

2.2 lasso估計   7 

2.3交叉驗證和推斷  10 

2.4 lasso解的計算  12 

2.4.1基於單變量的軟閾值法  12 

2.4.2基於多變量的循環坐標下降法  13 

2.4.3軟閾值與正交基      15 

2.5自由度  15 

2.6 lasso解的唯1性    16 

2.7理論概述        17 

2.8非負 garrote       17 

2.9烏q懲罰和貝葉斯估計     19 

2.10一些觀點      20

習題  21

第 3章廣義綫性模型    24 

3.1引言        24 

3.2邏輯斯蒂迴歸模型   26 

3.2.1示例：文本分類  27 

3.2.2算法  29 

3.3多分類邏輯斯蒂迴歸   30 

3.3.1示例：手寫數字  31 

3.3.2算法  32 

3.3.3組 lasso多分類  33 

3.4對數綫性模型及泊鬆廣義綫性模型     33 

3.5 Cox比例風險模型   35 

3.5.1交叉驗證  37 

3.5.2預驗證   38 

3.6支持嚮量機   39 

3.7計算細節及 glmnet       43

參考文獻注釋   44

習題  45

第 4章廣義 lasso懲罰  47 

4.1引言        47 

4.2彈性網懲罰   47 

4.3組 lasso  50 

4.3.1組 lasso計算      53 

4.3.2稀疏組 lasso  54 

4.3.3重疊組 lasso  56 

4.4稀疏加法模型和組 lasso     59 

4.4.1加法模型和 back.tting  59 

4.4.2稀疏加法模型和 back.tting  60 

4.4.3優化方法與組 lasso     61 

4.4.4稀疏加法模型的多重懲罰         64 

4.5融閤 lasso  65 

4.5.1擬閤融閤 lasso   66 

4.5.2趨勢濾波  69 

4.5.3近保序迴歸   70 

4.6非凸懲罰        72

參考文獻注釋   74

習題  75

第 5章優化方法  80 

5.1引言        80 

5.2凸優化條件   80 

5.2.1優化可微問題        80 

5.2.2非可微函數和次梯度     83 

5.3梯度下降        84 

5.3.1無約束的梯度下降      84 

5.3.2投影梯度法   86 

5.3.3近點梯度法   87 

5.3.4加速梯度方法        90 

5.4坐標下降        92 

5.4.1可分性和坐標下降      93 

5.4.2綫性迴歸和 lasso  94 

5.4.3邏輯斯蒂迴歸和廣義綫性模型  97 

5.5仿真研究        99 

5.6zui小角迴歸  100 

5.7交替方嚮乘子法      103 

5.8優化–zui小化算法   104 

5.9雙凸問題和交替zui小化  105 

5.10篩選規則      108

參考文獻注釋  111

附錄 A lasso的對偶   112

附錄 B DPP規則的推導  113

習題           114

第 6章統計推斷  118 

6.1貝葉斯 lasso       118 

6.2自助法   121 

6.3 lasso法的後選擇推斷  125 

6.3.1協方差檢驗    125 

6.3.2選擇後推斷的更廣方案          128 

6.3.3檢驗何種假設       133 

6.3.4迴到嚮前逐步迴歸    134 

6.4通過去偏 lasso推斷  134 

6.5後選擇推斷的其他建議  136

參考文獻注釋  137

習題           138

第 7章矩陣的分解、近似及填充    141 

7.1引言   141 

7.2奇異值分解  142 

7.3缺失數據和矩陣填充      143 

7.3.1 Net.x電影挑戰賽    144 

7.3.2基於原子範數的矩陣填充  146 

7.3.3矩陣填充的理論結果    149 

7.3.4zui大間隔分解及相關方法  153 

7.4減秩迴歸     154 

7.5通用矩陣迴歸框架  156 

7.6懲罰矩陣分解     157 

7.7矩陣分解的相加形式      160 

參考文獻注釋  164

習題           165

第 8章稀疏多元方法   169 

8.1引言   169 

8.2稀疏組成分分析      169 

8.2.1背景  169 

8.2.2稀疏主成分    171 

8.2.3秩大於 1的解     174 

8.2.4基於 Fantope投影的稀疏 PCA       176 

8.2.5稀疏自編碼和深度學習          176 

8.2.6稀疏 PCA的一些理論    178 

8.3稀疏典型相關分析  179 

8.4稀疏綫性判彆分析  182 

8.4.1標準理論和貝葉斯規則          182 

8.4.2zui近收縮中心       183 

8.4.3 Fisher綫性判彆分析   184 

8.4.4zui佳評分  188 

8.5稀疏聚類     190 

8.5.1聚類的一些背景知識    191 

8.5.2稀疏層次聚類       191 

8.5.3稀疏 K均值聚類    192 

8.5.4凸聚類  193

參考文獻注釋  195

習題           196

第 9章圖和模型選擇   202 

9.1引言   202 

9.2圖模型基礎  202 

9.2.1分解和馬爾可夫特性    202 

9.2.2幾個例子  204 

9.3基於懲罰似然的圖選擇  206 

9.3.1高斯模型的全局似然性          207 

9.3.2圖 lasso算法   208 

9.3.3利用塊對角化結構    210 

9.3.4圖 lasso的理論保證  211 

9.3.5離散模型的全局似然性          212 

9.4基於條件推斷的圖選擇  213 

9.4.1高斯分布下基於近鄰的似然概率   214 

9.4.2離散模型下基於近鄰的似然概率   214 

9.4.3混閤模型下的僞似然概率  217 

9.5帶隱變量的圖模型  218

參考文獻注釋  219

習題           221

第 10章信號近似與壓縮感知     225 

10.1引言  225 

10.2信號與稀疏錶示   225 

10.2.1正交基  225 

10.2.2用正交基逼近      228 

10.2.3用過完備基來重構    229 

10.3隨機投影與近似   231 

10.3.1 Johnson–Lindenstrauss近似  231 

10.3.2壓縮感知    232 

10.4烏0恢復與烏1恢復之間的等價性      234 

10.4.1受限零空間性質      235 

10.4.2受限零空間的充分條件   235 

10.4.3證明   237

參考文獻注釋  238

習題           239

第 11章 lasso的理論結果  242 

11.1引言  242 

11.1.1損失函數類型      242 

11.1.2稀疏模型類型      243 

11.2 lasso烏2誤差的界限      244 

11.2.1經典情形中的強凸性           244 

11.2.2迴歸受限特徵值      245 

11.2.3基本一緻性結果      246 

11.3預測誤差的界    250 

11.4綫性迴歸中的支持恢復   252 

11.4.1 lasso的變量選擇一緻性         252 

11.4.2定理 11.3的證明     256 

11.5超yue基礎 lasso  259 

參考文獻注釋  260

習題           261

參考文獻           264 

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆