8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

БЕСПЛАТНАЯ ДОСТАВКА МОДЕРНЫЙ РЕГИССА МЕТОДА ИСПОЛЬЗОВАНИЕ СТАТИТЕЛЬНОСТЬ ВЕНГЯНГ СТАТИСТИКА СТАТИСТИКА СТАТИСТИКА ЭКОНОМИЧЕСКИЙ УПРАВЛЕНИЕ 9787030587787 Книги

Цена: 882руб.    (¥49)
Артикул: 631518180266

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:育安图书专营店
Адрес:Аньхой
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥39.5711руб.
¥27.3491руб.
¥ 39.8 29.85537руб.
¥41.8752руб.
  • Информация о товаре
  • Фотографии

Основная информация

Книга    имя

   

Название иностранного языка

  

Издатель

  Science Press

делать    

  Венг

Конечно   цена

  59,00 Юань

Опубликованная дата

  2020.10

I S B N

  9787030587787

Набор

   нет

Тяжелый   Количество

  KG

Пакет     кадр

   Установка

Версия     раз

  1

Характер     номер

  201000

Поддержка ресурсов  

Страница     номер

  145

открыть   

  B5

 

краткое введение

Эта книга в основном вводит основу метода возврата в статистике и применении в направлении машинного обучения,Введите математическую основу регрессионного анализа,Представьте различные важные результаты и прорывы, сделанные в области регулирования и машинного обучения в последние годы, особенно в контексте больших данных, особенно в контексте больших данных,Быстрое решение проблемы регуляризации регрессионного анализа.В то же время, что эта книга вводит базовые знания,Он также подчеркивает применение регрессионного анализа в реальной ситуации,Книга оснащена большим количеством случаев, и этоRРеализация языка может использоваться в качестве учебника для старших студентов или аспирантов по математике, статистике и связанным с ним специальностям по математике, статистике и связанным с ним специальностям,Его также можно использовать в качестве справочного материала для связанных профессиональных научных исследователей.

Amatalize     запись

 

●Предисловие
Введение
1.1отношение
1.2Общая форма возврата модели
1.3Процесс моделирования модели возврата
Первый2Чжан подготовил знания
2.1Одна линейная регрессия юаня
2.1.1Сансинская карта, модель возврата, матричное выражение
2.1.2Модельное заведение——Оценка параметров
2.1.3Характер минимальной ежедневной оценки
2.1.4Значительный тест одной модели линейной регрессии линейной регрессии
2.2Минимальная ежедневная оценка линейной модели
2.2.1Наименьшая оценка квадратов
2.2.2Статистический характер минимальной ежедневной оценки марта
2.2.3Минимальная ежедневная оценка оптимальности
2.2.4Минимальная ежедневная оценка ограничения
2.3Гипотетический тест
2.3.1Общий линейный тест
2.3.2Значительный тест уравнения регрессии
2.3.3Тест на царствование коэффициента регрессии
2.4Есть оценки предвзятости||Возврат линг и возврат основного компонента
2.4.1Составной синдром
2.4.2Гребень возвращается
2.4.3Возврат основного компонента
Первый3Выбор переменной главы и байесовская линейная модель
3.1Полная модель и модель отбора
3.1.1Уменьшить влияние независимых переменных на параметры модели
3.1.2Уменьшить влияние независимых переменных на прогнозирование
3.2Переменный выбор
3.2.1Лучший Zi Ji return
3.2.2ступенчатая регрессия
3.2.3Предстоящий
3.3Метод сжатия
3.3.1Гребень возвращается
3.3.2 lasso
3.3.3Ортогональный дизайнlassoРешение
3.3.4Возврат хребта,lassoПолучение лучшего подмножества
3.4Линейная модель Бейеса
3.4.1Минимальная оценка ежедневной маржи и большая оценка
3.4.2Байесовская модель и возврат гребня
3.4.3Байесовская линейная модель процесса обучения
3.4.4Прогнозное распределение
Первый4главаe1Алгоритм восстановления случайных координат логической регрессии
4.1введение
4.2 RCSUMАлгоритм и этоe1Применение на регрессию логики регуляризации
4.2.1Описание проблемы и предположение
4.2.2 RCSUMалгоритм
4.2.3Анализ сходимости
4.2.4 RCSUMРешатьe1Fan Digital Logic Logic возвращает
4.3Ускорить случайный алгоритмAPCGРешатьe1Входная цифровая логика возврат
4.4Числовой эксперимент
4.4.1Данные моделирования
4.4.2Экспериментальные результаты и анализ
4.4.3Данные о раке молочной железы
4.5Подведем итог
Первый5Глава параллельные координаты уменьшены
5.1введение
5.1.1Связанная работа
5.1.2мотивация
5.1.3способствовать
5.2 PSUMа такжеRPSUMалгоритм
5.2.1Подготовка
5.2.2Основное предположение
5.2.3 PSUMалгоритм
5.2.4 RPSUMалгоритм
5.3 PSUMа такжеRPSUMАнализ конвергенции
5.3.1 PSUMАнализ конвергенции
5.3.2 RPSUMАнализ конвергенции
5.4приложение
5.4.1 RPSUMразоблачитьe1Fan Digital Logic Logic возвращает
5.4.2эксперимент
5.4.3обсуждать
5.4.4в заключение
Первый6Глава случайная оптимизация
6.1Случайная проблема оптимизации
6.2Онлайн -алгоритм
6.2.1Случайный метод градиента
6.2.2Средний метод
6.3Проблема случайной оптимизации с элементами регуляризации
6.3.1Введение в алгоритм отсталого дивизиона
6.3.2Конвергенция форвардного алгоритма в обратном направлении
6.4Решение алгоритма расщепления впередe1Логическая логика возврат
6.5эксперимент
6.6в заключение
Рекомендации
ПриложениеAПоднимать
A.1представлять
A.2Ударяться
A.3Выпуклая функция
A.4Проблема оптимизации бомбардировки
A.5Лаглангин
ПриложениеBОбщая таблица распределения
B.1 tРаспределенная таблица
B.2 FРаспределенная таблица
B.3 2Распределенная таблица