- 现代统计模型与统计软件(高等院校数智化企业管理系列教材)
- - 作者：编者:付金会|责编:范绪泉
  - 出版社：武汉大学
  - ISBN：9787307251823
  - 出版日期：2025/10/01
  - 页数：202
- 售价：15.6

内容大纲
本书是在统计模型与统计软件课程教学内容改革和教学方法改革的基础上凝练而成的，将理论、统计模拟、软件实操等环节进行了有机整合。教材的编写目的是，通俗易懂地把现代统计学代表性模型的建模思想、理论基础、适用条件讲清楚，并紧密结合学科特色提供应用背景和应用案例，为学生理解大数据、应用大数据打下坚实基础。教材的主要内容包括：纵向数据模型；潜变量模型；K近邻与算法模型概述；决策树；集成学习；支持向量机；神经网络；几种常见的神经网络。
作者介绍
目录
第一章  纵向数据模型
  第一节  纵向数据模型
  第二节  纵向数据模型的假定条件
  第三节  广义最小二乘法(GLS)
  第四节  ω以及σ?2、σ?2的估计
  第五节  最大似然(ML)与约束最大似然(REML)
  第六节  经验贝叶斯法
  第七节  固定效应与随机效应的判断和模型拟合优度的评价
第二章  潜变量模型
  第一节  多元回归与因子分析中的潜变量
  第二节  结构方程模型的形式
  第三节  结构方程模型的参数估计：基于协方差的方法
  第四节  结构方程模型的参数估计：偏最小二乘法
第三章  K近邻与算法模型概述
  第一节  K近邻简介
  第二节  K近邻应用案例
  第三节  从参数模型到算法模型
第四章  决策树
  第一节  决策树的类型
  第二节  分割变量(属性)的选择准则
  第三节  决策树生成算法
  第四节  决策树的评价与结构复杂度的控制
  第五节  决策树与随机效应混合模型
第五章  集成学习
  第一节  集成学习的提出
  第二节  自助法(Bootstrap)
  第三节  装袋法(Bagging)
  第四节  提升法(Boosting)
  第五节  随机森林(Random Forests)
第六章  支持向量机
  第一节  线性支持向量机：可分情况
  第二节  线性支持向量机：不可分情况
  第三节  非线性支持向量机
第七章  神经网络
  第一节  感知器
  第二节  多层人工神经网络(ANN)
  第三节  常用的激活函数
  第四节  神经网络的设计与训练
第八章  几种常见的神经网络
  第一节  卷积神经网络
  第二节  循环神经网络
  第三节  注意力与自注意力机制
  第四节  强化学习

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目