統計機器學習：在R中的實踐[Tong Ji Ji Qi Xue Xi ： Zai R Zhong De Shi Jian]～推薦！

作者：謝邦昌,鄭宇庭
出版社：新陸書局
出版日期：2016/08/01
語言：繁體中文

ISBN：9789865761738
規格：平裝/392頁/普通級/單色印刷/初版
出版地：台灣
本書分類：商業理財>會計/統計>統計軟體分析
本書分類：專業/教科書/政府出版品>財經類>統計>統計軟體

【Author】作者/繪者/著者/譯者

作者簡介

謝邦昌教授

　　學歷：
　　國立台灣大學生物統計學博士

　　現任：
　　台北醫學大學管理學院院長、大數據研究中心主任、中華資料採礦協會榮譽理事長

　　主要經歷：
　　•九十三年特種考試地方政府公務人員考試典試委員
　　•中國統計學社民意測驗召集委員、國際統計委員、統計教育委員
　　•統計服務委員、財務委員、統計獎學金委員(第三十一屆)
　　•輔仁大學統計資訊學系教授
　　•中國統計學社理事、民意測驗委員會召集人(1994～迄今)
　　•中華民國民意測驗協會理事(1995～迄今)
　　•內政部統計委員會委員(1995～迄今)
　　•國家科學委員會企劃考核處統計顧問(1996～迄今)
　　•行政院主計處統計委員會兼任研究員(1997～迄今)
　　•全國意向顧問研究中心榮譽顧問(1998～迄今)
　　•東森電視台顧問
　　•中華民國全國商業總會諮詢委員
　　•榮民總醫院名譽顧問
　　•國家政策研究基金會財政金融組顧問
　　•中國大陸國家統計局教材編審委員
　　•中國人民大學統計學系客座教授
　　•中國人民大學統計學系Data Mining中心客座教授
　　•中國人民大學應用統計研究中心教授
　　•中國人民大學統計調查研究中心顧問兼客座教授
　　•廈門大學計劃統計學系客座教授
　　•上海財經大學統計學系客座教授
　　•西安統計學院特聘研究員
　　•Journal Of Data Science 執行編輯

　　經歷：
　　•輔仁大學統計系教授兼系主任(1995～2000)
　　•輔仁大學管理學院院務發展委員(1996～1997)
　　•輔仁大學中西文化中心兼任研究員(1994～1996)
　　•輔仁管理評論編輯委員(1994～1997)
　　•TVBS民意調查中心榮譽顧問(1996～1998)
　　•東森電視台民意調查中心榮譽顧問(1999～2000)
　　•東森電視台市場及民意調查中心榮譽顧問(1999～2003)
　　•臺灣大學生物統計研究室兼任教授(1992～2003)
　　•輔仁大學總務長 (2003～2005)
　　•輔仁大學進修成長學院院長(2004～2005)

鄭宇庭

　　學歷：
　　美國明尼蘇達大學統計學博士

　　現職：
　　國立政治大學統計學系副教授

　　主要經歷：
　　•國立政治大學統計學系副教授 (2002－迄今)
　　•國立政治大學資料採礦中心主任 (2007－迄今)
　　•國立政治大學統計學系助理教授 (1997－2002)
　　•國立政治大學商學院民意與市場調查中心主任 (2014－迄今)
　　•美國精算學會副精算師 (1995－迄今)
　　•國立政治大學選舉研究中心兼任委員 (1998－迄今)
　　•尼爾森電視收視率調查監督委員 (1998－2001)
　　•基隆市政府民意調查審議小組委員 (1998－1999)
　　•中國統計學社民意測驗及統計教育委員 (1999－2003)
　　•中華資料採礦協會常務理事 (2001－迄今)
　　•司法院資料採礦研討會委員 (2003－2004)
　　•中華市場研究協會常務理事 (2008－2012)
　　•中華市場研究協會副理事長 (2013－迄今)

►GO►最新優惠► [暢銷書]統計機器學習：在R中的實踐

【Introduction】簡介/書評/特色/摘要

　　借鑒機器學習的特點，提煉方法，以R的形式體現方法。統計學早已脫離正態的傳統框架發展方法。但是，由於統計最新的可以被直接使用的成果太少，不僅阻礙了人們對統計方法的運用，甚至造成對先進統計方法的不甚瞭解。數據挖掘的興起，為統計學與信息技術的結合帶來了發展的契機。計算機技術將成為繼數學之後，又一推動統計學發展的強大工具。

　　IT時代把人變成了機器，但是DT時代讓機器越來越接近人，越來越接近人的智慧。現在DT時代來臨不代表IT不重要，它還很重要，我們在座的99%的人大概都不是做Ass這塊，我們是做SaaS這塊。速度越來越快，需求量越來越大，代表著雲端計算時代的來臨。所以不必擔心有這些種種，不見得每個人都建Data中心，該做什麼的做什麼，我們是要做解決方案的人。

►GO►最新優惠► [暢銷書]統計機器學習：在R中的實踐

【Table of Contents】目錄/大綱/內容概要

CHAPTER1　統計學習
第一節統計學習的過去
第二節統計學習的現今
第三節統計學習的未來

CHAPTER2　機器學習
第一節機器學習背景介紹
第二節機器學習方法探討
第三節機器學習的形式
第四節機器學習方法介紹（以類神經與支援向量機為例）
第五節機器學習面臨的挑戰
第六節機器學習之應用

CHAPTER3　R 套件的分類介紹
第一節空間資料分析套件
第二節多元統計套件
第三節計量經濟套件
第四節機器學習套件
第五節聚類分析與有限混合模型套件

CHAPTER4　資料維度縮減
第一節主成分分析
第二節因素分析
第三節判別分析

CHAPTER5　羅吉斯迴歸
第一節函數語句介紹glm
第二節應用實例和結果解釋
第三節 R 與Clementine 的Logistic 比較

CHAPTER6　決策樹
第一節 CHAID
第二節隨機森林

CHAPTER7　支援向量機
第一節支援向量介紹
第二節支援向量機種類
第三節支援向量機應用
第四節 SVM 在R 中實踐
第五節 R 與Clementine 的SVM 比較

CHAPTER8　貝氏方法
第一節貝氏分類器
第二節貝氏網路

CHAPTER9　類神經網路
第一節類神經網路
第二節 Kohonen 神經網路

CHAPTER10　迴歸模型
第一節一般線性迴歸
第二節 Survival 套件中的COX 的迴歸應用

CHAPTER11　各類統計軟體分析實例
第一節理論與應用
第二節 MCU Smart Score
第三節 GAP
第四節 WEKA