應用回歸及分類

本書括的內容有： 經(jīng)典線性回歸、廣義線性模型、縱向數(shù)據(jù)(分層模型)， 機器學習回歸方法(決策樹、bagging、森林、mboost、人工神經(jīng)網(wǎng)絡、支持向量機、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、機器學習分類方法(決策樹、bagging、森林、adaboost、人工神經(jīng)網(wǎng)絡、支持向量機、k近鄰方法). 其中， 縱向數(shù)據(jù)(分層模型)及生存分析及Cox模型的內容可根據(jù)需要選用， 所有其他的內容都應該在教學中涉及， 可以簡化甚至忽略的內容為一些數(shù)學推導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，北京大學數(shù)學力學系本科，美國北卡羅來納大學統(tǒng)計博士。中國人民大學統(tǒng)計學院教授，博士生導師。曾在美國加利福尼亞大學、北卡羅來納大學以及南開大學、北京大學等多所學府執(zhí)教。