高维数据模型的统计学习方法和预测精度评估

第1章 四种惩罚逻辑回归预测乳腺癌 1.1 引言 1.2 数据来源与预处理 1.3 四种分类器 1.3.1 逻辑回归 1.3.2 LASSO惩罚逻辑回归 1.3.3 L2惩罚逻辑回归 1.3.4 ENet惩罚逻辑回归 1.4 模型预测表现 1.5 结论与展望 第2章 六种统计学习方法预测肝癌 2.1 引言 2.2 数据来源与数据处理 2.3 逻辑回归及其估计方法 2.4 L2惩罚逻辑回归及其迭代加权 小二乘估计 2.5 两类预测精度评价：混淆矩阵和ROC曲线 2.6 六种HCC肿瘤预测方法 2.6.1 逻辑回归预测方法及精度评价 2.6.2 SVM预测方法及精度评价 2.6.3 L2惩罚逻辑回归预测方法及精度评价 2.6.4 GBDT预测方法及精度评价 2.6.5 ANN预测方法及精度评价 2.6.6 XGBoost预测方法及精度评价 2.7 分类器的预测表现 2.8 结论与展望 第3章 组LASSO/SCAD/MCP惩罚逻辑回归预测卵巢癌 3.1 引言 3.2 数据和变量 3.2.1 卵巢癌数据来源 3.2.2 46个预测变量和11个不同组 3.3 组惩罚逻辑回归 3.3.1 组LASSO惩罚逻辑回归 3.3.2 组SCAD惩罚逻辑回归 3.3.3 组MCP惩罚逻辑回归 3.3.4 两类分类表现 3.3.5 路径选择 3.4 模型估计和预测表现 3.4.1 模型估计 3.4.2 预测表现 3.5 结论与展望 第4章 九种统计学习方法预测美国航空公司股价的涨跌运动 4.1 引言 4.21 8个技术指标 4.3 预测精度评估 4.4 逻辑回归预测美国航空公司股价涨跌趋势 4.4.1 股票数据分析 4.4.2 逻辑回归 4.4.3 逻辑回归预测方法及精度评价 4.4.4 SVM、ANN和ARL预测涨跌趋势方法比较 4.5 惩罚逻辑回归预测美国航空公司股价涨跌趋势