基本信息
- 商品名称：R统计 编程和数据模型(分析机器学习和可视化)/大数据应用与技术丛书
- 作者：(美)马特·威利//约书亚·F.威利|责编:王军|译者:吴文国//胡明晓
- 定价：128
- 出版社：清华大学
- ISBN号：9787302557005
其他参考信息（以实物为准）
- 出版时间：2020-07-01
- 印刷时间：2020-07-01
- 版次：1
- 印次：1
- 开本：16开
- 包装：平装
- 页数：528
- 字数：762千字
编辑推荐语
\\\\\\\"《R统计 编程和数据模型 分析、机器学习和可视化》介绍使用R语言进行统计分析的各种 方法，如广义可加模型、混合效应模型、多重插补以及数据缺失处理技术。本书前几章介绍相关技术的背景知识，然后给出一些具体实例，这些实例展示了如何使用R语言获得期望的结果。
本书还向读者介绍如何使用流行的R语言进行数据分析，读者可以钻研统计测试和统计技术的先决条件，通过实例掌握将R语言应用于 数据分析的技术。本书是使用和编写R语言程序的手册和参考书。\\\\\\\"
内容提要
《R统计 编程和数据
模型分析、机器学习和可视
化》介绍使用R语言进行统
计分析的各种 方法，如
广义可加模型、混合效应模
型、多重插补以及数据缺失
处理技术。本书前几章介绍
相关技术的背景知识，然后
给出一些具体实例，这些实
例展示了如何使用R语言获
得期望的结果。
本书还向读者介绍如何
使用流行的R语言进行数据
分析，读者可以钻研统计测
试和统计技术的先决条件，
通过实例掌握将贿言应用于
数据分析的技术。本书
是使用和编写I龉言程序的
手册和参考书。
主要内容
如何使用R语言进行
数据分析，涉及的技术包括
广义线性模型、广义可加模
型、混合效应模型、机器学
习、并行处理。
如何使用赠言的数据可
视化技术实现回归，如线性
回归和 回归，并了解回
归样条和可加模型。
如何使用R语言实现机器
学习，包含平行处理、降维
、特征选取和分类。
如何使用R语言的多重插
补技术解决数据缺失问题。
如何使用广义线性可加
模型实现普通量、二值量和
计次量的输出，如何使用自
采样法（Bootstrapping）
分析不确定性。
学习如何对个体内的变
异性进行建模，进而捕捉个
体在方法以及时间稳定性上
的差异。
作者简介
\\\\\\\"Matt Wiley 数学专业终身副教授，他在数学教育和学生培养方面获得过许多奖项。Matt在加州大学和得克萨斯 A&M大学获得了理论数学学位、计算机科学学位和工商管理学位。他是维多利亚学院质量提升项目的主任，负责学院综合评估、关键绩效指标管理、一键式报表生成器和校园师生数据咨询等工作。他还兼职Elkhart集团有限责任公司的管理工作，是该公司的数据咨询师。Matt在R语言、SQL、C++、Ruby、Fortran和等语言方面具有丰富的编程经验。他喜欢把自己的热情融入程序设计中，从逻辑问题求解和数据科学中找到乐趣。从董事会会议室到教室，他总是能找到合适的方法来与不同学科和不同领域的团队建立起良好的合作关系，他总是能把复杂的思想和项目变得容易理解和解决。
Joshua F.Wiley 莫纳什大学认知与临床神经科学学院和心理学学院讲师，他在加州大学洛杉矶分校获得了博士学位，并在初级保健和预防领域完成了博士后训练。Joshua研究如何用 的量化方法理解心理因素之间的动态关系、睡眠以及其他与身心健康有关的行为。他开发或与他人共同开发了众多R语言包，如用于建立位置尺度结构化方程模型的varian包，能够把R语言链接到商业软件Mplus的MplusAutomation包，他还设计了许多数据分析函数和能够加快JWileymisc处理速度的函数。
译者简介
吴文国 温州大学计算机科学与人工智能学院副教授、博士，从事计算机专业基础课教学工作，讲授C程序设计、C++程序设计、Python程序设计、数据结构与算法等课程，研究方向是算法、数据挖掘和人工智能，他还翻译了许多计算机专业的英文图书。
\\\\\\\"
目录
第1章 单变量数据可视化
1.1 分布
1.1.1 可视化观测数据的分布
1.1.2 堆积点阵图与直方图
1.1.3 经验密度图
1.1.4 比较观测分布与期望分布
1.1.5 Q-Q图
1.1.6 比较经验密度图与期望分布的密度图
1.1.7 其他分布的拟合
1.2 异常值
1.3 小结
第2章 多变量数据可视化
2.1 分布
2.2 奇异值
2.3 变量之间的关系
2.4 小结
第3章 GLM Ⅰ
3.1 概念背景
3.2 分类预测器和虚拟编码
3.2.1 二级分类预测器
3.2.2 三级或三级以上的分类预测值
3.3 交互作用和调节效应
3.4 公式接口
3.5 方差分析
3.5.1 概念背景
3.5.2 R语言的AN0VA函数
3.6 线性回归
3.6.1 概念背景
3.6.2 R语言中的线性回归
3.6.3 高性能线性回归
3.7 控制混合影响
3.8 案例研究：多线性回归与交互作用
3.9 小结
第4章 GLM Ⅱ
4.1 概念背景
4.1.1 Logistic回归
4.1.2 计数回归
4.2 R程序示例
4.2.1 二项Logistic回归
4.2.2 有序Logistic回归
4.2.3 多分类Logistic回归
4.2.4 泊松回归和负二项回归
4.3 案例研究：多项Logistic回归
4.4 小结
第5章 广义可加模型
5.1 概念背景
5.2 R语言中的GAM模型
5.2.1 高斯因变量
5.2.2 二值因变量
5.2.3 无序因变量
