元分析:数据分析的共识方法与系统模式

译者序
致谢
第1章　概述和应用1
11　引言1
12　本书为什么重要2
13　本书的组织结构3
14　信息学3
15　分析统计学4
151　值和方差4
152　样本和总体检验5
153　回归和估计7
16　分析算法12
161　k均值和k近邻聚类12
162　反聚类14
163　马尔可夫模型14
17　机器学习16
171　熵16
172　支持向量机和核函数18
173　概率18
174　降维和信息增益20
175　优化和搜索21
176　数据挖掘和知识发现22
177　识别23
178　集成学习24
18　人工智能25
181　遗传算法26
182　神经网络30
183　免疫算法35
19　一个从头开始构建分类器的平台（二分类）37
110　一个从头开始构建分类器的平台（一般情况）43
1101　训练和验证43
1102　测试和部署49
1103　比较训练和测试数据集上的结果62
111　本章小结63
参考文献64
扩展阅读64
第2章　获取真值65
21　引言65
22　预验证66
23　根据训练数据优化设置72
24　学习如何学习76
25　从深度学习到深度反学习82
26　本章小结82
参考文献83
第3章　实验设计85
31　引言85
32　数据归一化86
321　简单的归一化86
322　偏差归一化87
323　归一化和实验设计表90
33　剪枝老化数据的设计91
34　系统之系统93
341　系统93
342　混合系统94
343　动态更新的系统95
344　接口95
345　增益95
346　领域归一化97
347　灵敏度分析98
35　本章小结99
参考文献99
第4章　元分析设计模式100
41　引言100
42　累积响应模式101
421　识别感兴趣的区域102
422　面向序列相关的预测性选择的感兴趣的区域104
423　传统的累积增益曲线105
43　分析的优化111
431　决策树111
432　假定身份触发模式112
433　期望*大化和*大-*小模式113
44　模型一致性模式116
441　混合回归117
442　建模和模型拟合117
45　共现和相似性模式118
46　灵敏度分析模式119
47　混淆矩阵模式120
48　熵模式121
49　独立模式124
410　功能式NLP模式（宏观反馈）127
411　本章小结127
参考文献129
第5章　灵敏度分析和大型系统工程130
51　引言130
52　数据集本身的灵敏度分析132
53　解决方案模型的灵敏度分析135
54　单个算法的灵敏度分析136
55　混合算法的灵敏度分析137
56　到当前状态的路径的灵敏度分析138
57　本章小结140
参考文献141
第6章　多面预测性选择142
61　引言142
62　预测性选择142
63　预测方法143
64　选择方法144
65　多路径方法149
66　应用151
67　灵敏度分析151
68　本章小结151
参考文献152
第7章　建模和模型拟合153
71　引言153
72　用于分析的化学类比154
73　用于分析的有机化学类比156
74　用于分析的免疫学和生物学类比157
75　用于模型设计和拟合的匿名化类比159
76　*小平方误差、误差方差和熵：拟合优度159
77　创建属于自己的多个模型160
78　本章小结161
参考文献161
第8章　同义词-反义词模式和强化-无效化模式162
81　引言162
82　同义词-反义词模式163
83　强化-无效化模式164
84　各种模式的广泛适用性167
85　本章小结167
参考文献168
扩展阅读168
第9章　关于分析的分析169
91　引言169
92　关于分析的分析170
921　熵与出现向量170
922　功能指标173
923　期望*大化方法174
924　系统设计的注意事项175
93　根据训练数据优化设置175
94　混合方法176
95　关于分析的其他探索领域177
96　本章小结178
参考文献178
扩展阅读179
第10章　系统设计优化180
101　引言180
1011　系统考量—重新审视系统增益181
1012　系统增益—重新审视和扩大系统偏差182
1013　投资与回报185
102　模块优化185
103　聚类与正则化186
1031　平方和正则化189
1032　方差正则化189
1033　簇大小正则化190
1034　小型簇正则化191
1035　簇数量正则化191
1036　对正则化方法的讨论192
104　分析系统的优化192
105　本章小结193
参考文献193
第11章　射幸技术和专家系统技术194
111　引言194
112　两种射幸模式回顾195
1121　特征射幸模式的依次移除195
1122　特征输出射幸模式的时序变化198
113　为测试添加随机元素199
114　高光谱射幸方法201
115　机器学习和统计学习中的其他射幸应用202
116　专家系统技术202
117　本章小