统计学习导论：基于R应用 概述了统计学习领域，提供了理解大数据和复杂数据必不可少的工具，这些数据来自近20年来生物学、金融学、市场营销学和天体物理学等领域。书中介绍了一些最重要的建模方法和预测技术，以及它们的相关应用。内容涉及线性回归、分类、再抽样方法、压缩方法、基于树的方法和聚类等，用彩图和实例来阐释相关方法。因为本教材的主要目标是方便自然科学、工业和其他领域的从业者使用统计学习技术，所以每章都有在R中实现所介绍的分析方法的指导内容。

本书只假定读者先修《线性回归》课程，并不要求读者具有矩阵代数知识。读者对象是那些希望利用前沿的统计学习技术来分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的人员。

统计学习导论-基于R应用 目录

第1章 导论
第2章 统计学习
第3章 线性回归
第4章 分类
第5章 重抽样方法
第6章 线性模型选择与正则化
第7章 非线性模型
第8章 基于树的方法
第9章 支持向量机
第10章 无指导学习

☉ 解压密码： www.jb51.net 就是本站主域名，希望大家看清楚，[ 分享码的获取方法 ]可以参考这篇文章
☉ 推荐使用 [ 迅雷 ] 下载，使用 [ WinRAR v5 ] 以上版本解压本站软件。
☉ 如果这个软件总是不能下载的请在评论中留言,我们会尽快修复，谢谢!
☉ 下载本站资源，如果服务器暂不能下载请过一段时间重试!或者多试试几个下载地址
☉ 如果遇到什么问题，请评论留言，我们定会解决问题，谢谢大家支持!
☉ 本站提供的一些商业软件是供学习研究之用，如用于商业用途，请购买正版。
☉ 本站提供的 统计学习导论 基于R应用 ([美]加雷斯·詹姆斯) 中文pdf完整版[17MB] 资源来源互联网，版权归该下载资源的合法拥有者所有。