包邮大数据挖掘与统计机器学习 第3版

第1章 概述 1.1 名词演化 1.2 基本内容 1.3 数据智慧 第2章 线性回归与分类 2.1 Lasso回归 2.1.1 多元线性回归模型 2.1.2 岭回归 2.1.3 Lasso回归 2.1.4 一张图看懂岭回归和Lasso回归 2.1.5 从贝叶斯角度再看岭回归和Lasso回归 2.2 Lasso模型的求解 2.2.1 坐标下降法 2.2.2 小角回归 2.2.3 ADMM算法 2.2.4 附录 2.3 损失函数加罚的建模框架 2.3.1 损失函数的概念 2.3.2 小一乘回归与分位回归 2.3.3 其他罚函数 2.4 分类问题综述与评价准则 2.4.1 分类问题 2.4.2 分类问题评价准则 2.5 Logistic回归 2.5.1 基本模型 2.5.2 参数估计 2.5.3 正则化的Logistic回归 第3章 模型评价与选择 3.1 基本概念 3.1.1 各种误差的定义 3.1.2 偏差-方差分解 3.2 理论方法 3.2.1 Cp统计量 3.2.2 AIC准则 3.2.3 BIC准则 3.3 交叉验证法 第4章 决策树与组合方法 4.1 决策树 4.1.1 决策树的基本知识 4.1.2 决策树的建模过程 4.1.3 需要说明的一些问题 4.2 Bagging和随机森林 4.2.1 Bagging算法 4.2.2 随机森林 4.3 Boosting 4.3.1 AdaBoost算法 4.3.2 分类问题的不同损失函数 4.3.3 梯度下降Boosting算法 4.3.4 XGBoost 4.3.5 讨论