統計學習導論--基於R應用

中文版序
譯者序
前言

第1章 導論
1.1統計學習概述
1.2統計學習簡史
1.3關於這本書
1.4這本書適用的讀者群
1.5記號與簡單的矩陣代數
1.6本書的內容安排
1.7用於實驗和習題的數據集
1.8本書網站
1.9致謝

第2章 統計學習
2.1什麼是統計學習
2.2評價模型精度
2.3實驗：R語言簡介
2.4習題
第3章線性回歸
3.1簡單線性回歸
3.2多元線性回歸
3.3回歸模型中的其他注意
事項
3.4營銷計划
3.5線性回歸與K最近鄰法的
比較
3.6實驗：線性回歸
3.7習題

第4章 分類
4.1分類問題概述
4.2為什麼線性回歸不可用
4.3邏輯斯諦回歸
4.4線性判別分析
4.5分類方法的比較
4.6R實驗：邏輯斯諦回歸、LDA、QDA和KNN
4.7習題

第5章 重抽樣方法
5.1交叉驗證法
5.2自助法
5.3實驗：交叉驗證法和自助法
5.4習題

第6章 線性模型選擇與正則化
6.1子集選擇
6.2壓縮估計方法
6.3降維方法
6.4高維問題
6.5實驗1：子集選擇方法
6.6實驗2：嶺回歸和lasso
6.7實驗3：PCR和PLS回歸
6.8習題

第7章 非線性模型
7.1多項式回歸
7.2階梯函數
7.3基函數
7.4回歸樣條
7.5光滑樣條
7.6局部回歸
7.7廣義可加模型
7.8實驗：非線性建模
7.9習題

第8章 基於樹的方法
8.1決策樹基本原理
8.2裝袋法、隨機森林和提升法
8.3實驗：決策樹
8.4習題

第9章 支持向量機
9.1最大間隔分類器
9.2支持向量分類器
9.3狹義的支持向量機
9.4多分類的SVM
9.5與邏輯斯諦回歸的關系
9.6實驗：支持向量機
9.7習題

第10章 無指導學習
10.1無指導學習的挑戰
10.2主成分分析
10.3聚類分析方法
10.4實驗1：主成分分析
10.5實驗2：聚類分析
10.6實驗3：以NCI60數據為例
10.7習題