應(yīng)用回歸及分類

本書括的內(nèi)容有： 經(jīng)典線性回歸、廣義線性模型、縱向數(shù)據(jù)(分層模型)， 機(jī)器學(xué)習(xí)回歸方法(決策樹、bagging、森林、mboost、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、k近鄰方法)、生存分析及Cox模型、經(jīng)典判別分析與logistic回歸分類、機(jī)器學(xué)習(xí)分類方法(決策樹、bagging、森林、adaboost、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、k近鄰方法). 其中， 縱向數(shù)據(jù)(分層模型)及生存分析及Cox模型的內(nèi)容可根據(jù)需要選用， 所有其他的內(nèi)容都應(yīng)該在教學(xué)中涉及， 可以簡(jiǎn)化甚至忽略的內(nèi)容為一些數(shù)學(xué)推導(dǎo)和某些不那么的模型， 不可以忽略的是各種方法的直觀意義及理念.

吳喜之，北京大學(xué)數(shù)學(xué)力學(xué)系本科，美國(guó)北卡羅來納大學(xué)統(tǒng)計(jì)博士。中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院教授，博士生導(dǎo)師。曾在美國(guó)加利福尼亞大學(xué)、北卡羅來納大學(xué)以及南開大學(xué)、北京大學(xué)等多所學(xué)府執(zhí)教。