統(tǒng)計(jì)機(jī)器學(xué)習(xí)及R實(shí)現(xiàn)

第1章 R語言基礎(chǔ)
1.1 R的下載與安裝
1.2 輔助性操作命令
1.3 基本運(yùn)算與賦值
1.4 向量
1.4.1 向量定義
1.4.2 向量運(yùn)算
1.4.3 向量元素的獲取
1.4.4 向量主要運(yùn)算雨數(shù)
1.5 矩陣
1.5.1 生成對(duì)角矩陣和單位陣
1.5.2 矩陣元素取出
1.5.3 矩陣行和列的維數(shù)
1.5.4 矩陣的主要運(yùn)算雨數(shù)
1.5.5 矩陣合并
1.5.6 矩陣apply()運(yùn)算雨數(shù)
1.6 因子(factor)和有序因子(ordered factor)
1.6.1 創(chuàng)建一個(gè)因子
1.6.2 創(chuàng)建一個(gè)有序因子
1.6.3 用cut()函數(shù)將一般的數(shù)據(jù)轉(zhuǎn)換成因子或有序因子
1.7 數(shù)組
1.7.1 產(chǎn)生一個(gè)三維和四維數(shù)組
1.7.2 dim()函數(shù)可將向量轉(zhuǎn)化成數(shù)組或矩陣
1.7.3 張量的三個(gè)關(guān)鍵屬性
1.7.4 數(shù)據(jù)張量
1.7.5 張量重塑
1.8 列表
1.9 數(shù)據(jù)框
1.9.1 生成一個(gè)數(shù)據(jù)框
1.9.2 合并數(shù)據(jù)框
1.9.3 判斷數(shù)據(jù)對(duì)象是否為數(shù)據(jù)框
1.9.4 數(shù)據(jù)框的行名和列名
1.9.5 連接函數(shù)
1.9.6 數(shù)據(jù)框的數(shù)據(jù)抽取
1.10 數(shù)據(jù)讀取
1.10.1 讀取外部數(shù)據(jù)
1.10.2 數(shù)據(jù)保存
1.11 數(shù)據(jù)類型查看及環(huán)境設(shè)置
1.11.1 數(shù)據(jù)類型
1.11.2 數(shù)據(jù)查看
1.11.3 環(huán)境設(shè)置函數(shù)options()
1.12 繪圖
1.12.1 繪圖參數(shù)命令
1.12.2 常用的繪圖命令
1.12.3 繪圖函數(shù)輔助
1.12.4 三維繪圖
1.13 隨機(jī)數(shù)產(chǎn)生
1.14 編程基礎(chǔ)
1.14.1 條件語句
1.14.2 循環(huán)語句
1.14.3 自定義函數(shù)
1.15 R語言的 新
第2章 多元分布
2.1 一元分布
2.1.1 樣本
2.1.2 常用統(tǒng)計(jì)量
2.1.3 常用分布
2.1.4 重要定理
2.2 多元分布
2.2.1 p維總體
2.2.2 隨機(jī)向量義的數(shù)字特征
2.2.3 多元分布的參數(shù)估計(jì)
2.3 R語言相關(guān)操作
2.3.1 一元正態(tài)隨機(jī)數(shù)
2.3.2 多元正態(tài)隨機(jī)數(shù)
第3章 線性模型
3.1 線性回歸
3.1.1 基本形式
3.1.2 一元線性回歸
3.1.3 多元線性回歸
……
第4章 判別分析
第5章 支持向量機(jī)
第6章 決策樹
第7章 集成學(xué)習(xí)
第8章 主成分分析與因子分析
第9章 降維
0章 聚類分析
1章 偏 小二乘回歸
2章 深度神經(jīng)網(wǎng)絡(luò)
附錄A 向量和矩陣函數(shù)的導(dǎo)數(shù)
附錄B 拉格朗日對(duì)偶性
參考文獻(xiàn)