您现在的位置: 首页新时代图书分类数理科学和化学 > 高维数据统计方法、理论与应用
图书展示
  • 书名 高维数据统计方法、理论与应用
  • 书号 978-7-118-11540-6
  • 作者 (瑞士)彼得·布尔曼,
  • 出版时间 2018年09月
  • 译者 李正欣等
  • 版次 1版1次
  • 开本 16
  • 装帧 精装
  • 出版基金 装备科技译著出版基金
  • 页数 469
  • 字数 569
  • 中图分类 O212.1
  • 丛书名 大数据科技译丛
  • 定价

随着计算与感知能力的持续提高,高维数据在许多应用领域中广泛存在,如何从这些高维数据中获得应用领域中的潜在知识,逐步成为研究热点。近年来,方法论、计算学和数学等领域取得了革命性的进展,使得在稀疏性假设条件下进行高维数据的统计推理成为可能,本书将研究焦点从平滑性转移到稀疏性约束上,为高维数据在诸多领域应用开启了一扇大门。本书根据Springer出版社2011年出版的Statistics for High-Dimensional Data·Methods, Theory and Applications一书翻译而成,内容丰富、全面系统,介绍了高维数据的分析理论与方法,包括高维数据的方法概念、计算算法以及高维统计学方面的数学理论和应用等。原书作者Peter Bühlmann是数学家,担任苏黎世联邦理工学院(ETH)数学系教授;Sara van de Geer是统计学家,担任苏黎世联邦理工学院统计系教授,目前是瑞士自然科学基金会研究评议会成员、国际统计学会会士、数理统计学会会士、荷兰皇家科学院院士、Leopoldina德国国家科学院院士、伯努利协会主席。本书以实际数据的分析应用为牵引,以数学方法和定理的推导为依据,详细介绍了基于Lasso的高维数据变量选择、估计与预测,并结合实例进行分析比较,内容涵盖应用数学、信息科学、计算机科学与生物医学等领域,面向统计人员、数据分析人员,以及其他从事方法、算法、数学理论研究的人士,适合于具有大数据应用背景的科研工作者及相关专业的大学生、研究生阅读。全书共分14章:第1章对本书的主要内容进行概述;第2章介绍线性模型中的Lasso;第3章介绍广义线性模型中的Lasso;第4章介绍Group Lasso;第5章介绍加性模型和单变量平滑函数;第6章阐述Lasso理论;第7章介绍使用Lasso做变量选择;第8章阐述惩罚过程理论;第9章介绍非凸损失函数与正则化;第10章介绍稳定解;第11章介绍线性模型及拓展的p-值;第12章介绍贪婪算法及Boosting算法;第13章介绍图形化建模;第14章介绍概率以及矩不等式。本书前言、第1章~第5章、第10章由李正欣翻译,第6章~第8章由西北工业大学张晓雷翻译,第9章由刘刚翻译,第11章、第12章由王健翻译,第13章、第14章由钟季龙翻译,此外,王族统、王腾蛟、郭庆、张小刚也参与了部分内容的校对工作。李正欣、张晓雷审读全部译稿,并最后定稿。这里向为本书翻译做出贡献的所有人表示感谢。同时,感谢装备科技译著出版基金和国家自然科学基金(61502521)的资助。

下载附件

留言列表

目前没有相应的留言信息。

 
标题:
 
评论内容:
* 已输入字符:0
小于等于500字符
评论人:
 
小于等于20个字符(包括A-Z、a-z、0-9、汉字、不含特殊字符)
联系方式:
 
小于等于32个字符(包含0-9、-、(、)、顿号)
验证码:
   
相关图书推荐
无此相关商品!

售书电话(010)88540777   传 真(010)88540776  总编室(010)88540559  E-mail to:gfgycbs@ndip.cn

地址:北京市海淀区紫竹院南路23号  京ICP备06025804号 国防工业出版社版权所有  网站建设:中企动力  北京