Статистический алгоритм вывода, эволюция и наука данных в компьютерную эру [США] Bradley & Middot; Evon статистический вывод о байесовском статистическом статистическом анализе анализа данных.
Цена: 1 641руб. (¥91.25)
Артикул: 605749636477
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:芝麻开门图书专营店
Адрес:Хэнань
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 36 18.8339руб.
¥3606 448руб.
¥ 60 38.8698руб.
¥ 356 1182 122руб.
|   Основная информация о продукте | |
| наименование товара: |   |
| Автор: |  &Миддот;&Миддот; |
| Рыночная цена: | 119.00 |
| Номер ISBN: | 9787111627524 |
| Версия: | 1-1 |
| Дата публикации: | 1900-01 |
| Количество страниц: | 293 |
| Слова: | 343 |
| Издательство: |   Machinery Industry Press |
|   каталог | |
| Хвалить Переводчик Предисловие Спасибо Часть 1 классическая статистика вывод Глава 1 Алгоритм и вывод 2 1.1 Пример возврата 3 3 1.2 Предполагая тест 5 1.3 Примечание 7 Примечание 7 Глава 2 Частотная школа вывод 8 2.1 Частотная школа на практике 9 2.2 Оптимизация частотного обучения означает 12 2.3 Примечания и детали 13 Примечание 13 Глава 3 Байесов. 3.1 два примера 15 3.2 Нет информации. Сначала проверьте распределение 18 3.3. Дефект вывода по частотной школе 19 3.4 СПРАВОЛЬНЫЙ СПИСОК БАЙЕАНСКИЙ ШКОЛА/ЧАСТНОЕ ШКОЛА 21 3.5 Примечания и детали 23 Примечание 23 Глава 4 Вывод Fisher и максимальная оценка 24 4.1 Грант и максимум, как 24 24 4.2 Fisher Information и MLE26 4.3 Условие условия 28 4.4 Расположение и рандомизация 31 4.5 Примечания и детали 32 Примечание 32 Глава 5 Модель параметра и индекс 34 5.1 одиночная семья 34 5.2 Разнообразие Популярное распределение 36 5.3 Количество информации о рыбаке. 5.4 Несколько распределения 39 5.5 Семейство распределения индексов 41 5.6 Примечания и детали 44 Примечание 44 Ранний метод компьютерного возраста Глава 6 Опыт Байесия 48 6.1 Роббинс Формула 48 6.2 упущения видов 50 6.3 Медицинский пример 54 6.4 Косвенные доказательства 156 6.5 Примечания и детали 57 Примечание 57 Глава 7 По оценкам Джеймса-Стейна, он возвращается 59 7.1 Джеймс-Стейн Оценка 59 7.2 Бейсболист 61 7.3 Ridge return 63 7.4 Косвенные доказательства 266 7.5 Примечания и детали 68 Примечание 68 Глава 8 В целом линейная модель и вернуться к дереву 70 8.1 Логическая регрессия 70 8.2 в целом линейная модель 75 8.3 BO Песня возвращается на 78 8.4 Вернитесь на дерево 80 8.5 Примечания и детали 82 Примечание 83 Глава 9 Анализ выживания и алгоритм EM 85 9.1 Таблица жизни и ставка риска 85 9.2 Удалить данные и Каплан-Мейер Оценка 87 9.3 Тестирование номера заказа 91 9.4 Модель риска 93 9.5 Отсутствие данных и алгоритм EM 95 9.6 Примечания и детали 98 Примечание 98 Глава 10 Метод резки ножа и метод самостоятельного обслуживания 101 10.1 По оценкам 101 метод разрезания ножа стандартного отклонения. 10.2 Непипараметтер -самоотрадительный метод 103 10.3 Re -Sampling План 106 10.4 Метод Self -Service 110 10.5 Функция воздействия и надежная оценка 112 10.6 Примечания и детали 115 Примечание 115 Глава 11 Self -Service Law Trust Division 117 11.1 Строительство единых платежей Неймана 117 11,2 процентного метода 120 11.3 Устройства коррекция буквенного интервала 122 11,4 Второй точность 124 11.5 Self -Service T диапазон 126 11.6. 11.7 Примечания и детали 131 Примечание 131 Глава 12 Оценка CP 134 12.1 Правила прогноза 134 12.2 Перекрестная проверка 137 12.3 Координация поли наказания 140 12.4 Обучение, проверка и краткосрочный фактор прогнозирования 146 12.5 Примечания и детали 148 Примечание 148 Глава 13 Целевой байесовский вывод и метод Малкова Монте -Карло 150 13.1 Объективное распределение первых тестов 150 13 13.3 Выбор модели и байесовские руководящие принципы 156 13.4 Гиббс выборка и MCMC161 13,5 Пример: смешанная популяция смешана 165 13.6 Примечания и детали 167 Примечание 167 Глава 14 Статистический вывод и методология пост -волнового периода 169 Примечание 171 Тема третьей части 21 -го века Глава 15 Крупная гипотетическая проверка и обнаружение ошибок 174 15.1 Большой тест допущения 174 15.2 Коэффициент обнаружения ошибок 176 15.3. 15.4. 15.5 Выбор первоначального распределения предположения 183 15.6 Ассоциация 186 15.7 Примечания и детали 188 Примечание 188 Глава 16 Моделирование доставки и установка 191 16.1 Постепенно возвращается в 191 16.2 набор кабеля 194 16.3 Модель кабеля 197 16.4 Самый маленький угол возвращает 198 16.5 Подходящая модель Guangyi Model 200 16.6 Установите выбор кабелей после вывода 202 16.7 Свяжитесь и разверните 203 16.8 Примечания и детали 205 Примечание 205 Глава 17 Случайный лес и улучшение 207 17.1 Случайный лес 207 17.2 Увеличение потерь квадратной ошибки 212 17.3 Увеличение градиента 216 17.4 Adaboost: оригинальный алгоритм продвижения 218 17.5 Свяжитесь и разверните 220 17.6 Примечания и детали 221 Примечание 222 Глава 18 Нейронная сеть и глубокое обучение 224 18.1 Нейронная сеть и рукописная цифровая задача 225 18.2 Подходит для сети 226 18.3 Автоматический энкодер 230 18.4 Глубокое обучение 231 18.5 Узнайте глубокую сеть 234 18.6 Примечания и детали 235 Примечание 236 Глава 19 Поддержка векторной машины и ядерного метода 238 19.1 Оптический супер -лалли 238 19.2 Классификатор мягкого интервала 240 19.3. 19.4 Расчет и ядерные навыки 242 19.5 Используйте функцию ядра, чтобы соответствовать 244 19.6 Пример: ядерная функция строки для классификации белка 244 19.7. 19.8 Ядерная плавность и локальная регрессия 246 19.9 Примечания и детали 247 Примечание 248 Глава 20 Выбор модели 250 20.1 Одновременный интервал размещения 251 Уровень точности после выбора модели 255 20.3 Отклонение отбора 258 20.4 Практическая комбинация байеса Практическая комбинация оценивается 260 20.5 Примечания и детали 263 Примечание 264 Глава 21 Опыт Байеса расчетной стратегии 266 21.1 Байесовская анти -конвульция 266 21,2 G-моделирование и оценка 267 21.3 Способность, регуляризация и точность 269 21,4 два примера 272 21,5 в широкой линейной гибридной модели 276 21.6 Антиконволюция и F-моделирование 278 21,7 Примечания и детали 280 Примечание 280 PostScript 282 Рекомендации 286 |
|   Введение | |
|   машинное обучение и т. Д. Быстрое развитие области и ведение изменений в анализе данных, впоследствии, с нетерпением жду будущего направления статистической и данных. |