思维导图备注

R统计应用开发实战
首页 下载 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

译者序

浏览 3 扫码
  • 小字体
  • 中字体
  • 大字体
2023-09-04 22:21:11
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 译者序
  • 前言
  • 第1章 数据特征
    • 1.1 问卷调查及其组成部分
    • 1.2 在计算机科学中的不确定性研究
    • 1.3 R安装
      • 1.3.1 使用R包
      • 1.3.2 RSADBE——本书的R包
      • 1.3.3 离散分布
      • 1.3.4 离散均匀分布
      • 1.3.5 二项分布
      • 1.3.6 超几何分布
      • 1.3.7 负二项分布
      • 1.3.8 泊松分布
    • 1.4 连续分布
      • 1.4.1 均匀分布
      • 1.4.2 指数分布
      • 1.4.3 正态分布
    • 1.5 本章小结
  • 第2章 数据导入和导出
    • 2.1 data.frame和其他格式数据
      • 2.1.1 常数、向量和矩阵
      • 2.1.2 列表对象
      • 2.1.3 data.frame对象
      • 2.1.4 表对象
    • 2.2 函数read.csv、read.xls以及外来程序包
    • 2.3 导出数据/图表
      • 2.3.1 导出R对象
      • 2.3.2 导出图表
    • 2.4 管理一个R会话
    • 2.5 本章小结
  • 第3章 数据可视化
    • 3.1 分类数据的可视化技术
      • 3.1.1 条形图
      • 3.1.2 点图
      • 3.1.3 脊柱图、马赛克图
      • 3.1.4 饼图和四折图
    • 3.2 连续型变量数据的可视化
      • 3.2.1 箱线图
      • 3.2.2 直方图
      • 3.2.3 散点图
      • 3.2.4 帕累托图
    • 3.3 ggplot概述
    • 3.4 本章小结
  • 第4章 探索性分析
    • 4.1 基本汇总统计量
      • 4.1.1 百分位数、四分位数和中位数
      • 4.1.2 折页数
      • 4.1.3 四分位极差
    • 4.2 茎叶图
    • 4.3 字母值
    • 4.4 数据变换
    • 4.5 袋状图：二元箱线图
    • 4.6 耐抗线
    • 4.7 平滑数据
    • 4.8 中位数平滑
    • 4.9 本章小结
  • 第5章 统计推断
    • 5.1 极大似然估计
      • 5.1.1 可视化似然函数
      • 5.1.2 寻找极大似然估计
      • 5.1.3 使用fitdistr函数
    • 5.2 置信区间
    • 5.3 假设检验
      • 5.3.1 二项式检验
      • 5.3.2 比例检验和卡方检验
      • 5.3.3 基于正态分布检验：单样本
      • 5.3.4 基于正态分布检验：两样本
    • 5.4 本章小结
  • 第6章 线性回归分析
    • 6.1 简单线性回归模型
      • 6.1.1 随意选择参数会发生什么
      • 6.1.2 建立一个简单线性回归模型
      • 6.1.3 ANOVA及置信区间
      • 6.1.4 模型验证
    • 6.2 多元线性回归模型
      • 6.2.1 平均K个简单线性回归模型或建立一个多元回归模型
      • 6.2.2 建立一个多元线性回归模型
      • 6.2.3 多元线性回归模型的ANOVA和置信区间
      • 6.2.4 有用的残差图
    • 6.3 回归诊断
      • 6.3.1 杠杆点
      • 6.3.2 影响点
      • 6.3.3 DFFITS和DFBETAS
    • 6.4 多重共线性问题
    • 6.5 选择模型
      • 6.5.1 逐步选择
      • 6.5.2 基于准则的方法
    • 6.6 本章小结
  • 第7章 logistic回归模型
    • 7.1 二元回归问题
    • 7.2 probit回归模型
    • 7.3 logistic回归模型
    • 7.4 模型验证和诊断
      • 7.4.2 广义线性模型的影响点和控制点
    • 7.5 接收操作曲线
    • 7.6 德国的信用甄别数据集的logistic回归
    • 7.7 本章小结
  • 第8章 正规化回归模型
    • 8.1 过度拟合问题
    • 8.2 回归样条
      • 8.2.1 基函数
      • 8.2.2 分段线性回归模型
      • 8.2.3 自然三次样条函数和一般的B样条曲线
    • 8.3 线性模型的岭回归
    • 8.4 logistic回归模型的岭回归
    • 8.5 再看模型评估
    • 8.6 本章小结
  • 第9章 分类与回归树
    • 9.1 递归划分法
      • 9.1.1 划分数据
      • 9.1.2 第一个树
    • 9.2 构造回归树
    • 9.3 构造分类树
    • 9.4 德国信用数据集的分类树
    • 9.5 树的修剪和完善
    • 9.6 本章小结
  • 第10章 分类与回归树及其他
    • 10.1 分类与回归树的改进
    • 10.2 Bagging
      • 10.2.1 bootstrap算法
      • 10.2.2 bagging算法
    • 10.3 随机森林
    • 10.4 整合
    • 10.5 本章小结
  • 参考文献
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《R统计应用开发实战》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度