數(shù)據(jù)分析基礎(chǔ)及模型

第1章 算子理論基礎(chǔ)
1.1 基本概念和定義
1.2 常用不等式
小結(jié)及深入的主題
第2章 統(tǒng)計分析基礎(chǔ)
2.1 基本概念
2.2 常見分布及Matlab實現(xiàn)
2.5 收斂性
2.6 隨機(jī)逼近
小結(jié)及深入的主題
第3章 矩陣分解與計算
3.1 基本概念
3.2 矩陣分解與降維
小結(jié)及深入的主題
第4章 分類模型
4.1 貝葉斯推斷
4.2 高斯混合模型（GMM）
4.3 Logistic回歸
4.4 判別分析
4.5 集成學(xué)習(xí)（Ensemble Learning）
小結(jié)及深入的主題
第5章 數(shù)據(jù)降維方法
5.1 主成分分析（PCA）
5.2 擴(kuò)展的PCA模型
5.3 流形學(xué)習(xí)
5.4 譜聚類
5.5 典型譜聚類算法及其性能分析
小結(jié)及深入的主題
第6章 聚類分析
6.1 經(jīng)典聚類模型
6.2 核聚類模型
6.3 常見算法性能的分析與比較
小結(jié)及深入的主題
第7章 在線學(xué)習(xí)
7.1 引言
7.2 模型和算法
2.3 模型復(fù)雜性及選擇
7.4 算法收斂性、收斂速度和誤差界
7.5 典型應(yīng)用
小結(jié)及深入的主題
附錄A 常用參數(shù)和指標(biāo)
A.1 期望和方差
A.2 偏度（Skewness）
A.3 峰度（Peakrless／Kurtosis）
附錄B 度量
B.1 相關(guān)性度量
B.2 距離度量
附錄C Cramer-Rao不等式
附錄D 中英文對照表