本书的宗旨是既要介绍传统的回归和分类方法，又要引入大量 加有效的机器学习方法，并且通过实际例子，运用R和Python两种软件来让读者理解各种方法的意义和实践，能够自主做数据分析并得到结论。 本书主要内容包括：经典线性回归、广义线性模型、混合效应模型（分层模型）、机器学习回归方法（决策树、bagging、随机森林、各种boosting方法、人工神经网络、支持向量机、k 近邻方法）、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法（决策树、bagging、随机森林、AdAboost、人工神经网络、支持向量机、k 近邻方法）。其中，混合效应模型、生存分析及Cox模型的内容可根据需要选用。
本书是为大学物理系热学课程编写的的习题指导书，其内容分七章：第一章热力学系统及平衡态的基本概念和状态方程，第二章热平衡系统中微观粒子按微观运动状态的统计分布，第三章偏离平衡态不太的系统中的输运现象及其本质，第四章和第五章为热力学过程的动力学规律，第六章液体的基本性质，第七章相和相变的基本概念以及单元系中常见相变的现象、性质、规律及其唯象理论描述方法。共230多道习题，其中相当一部分具有研究层面的意味，由之可以加强训练、提高能力。本书着重理论与应用的有机结合；力求循序渐进、准确严谨，着重物理图像和知识体系的建立，并适时联系前沿研究现状。整体以求窥得物理学”见物讲理、依理造物”的学科真谛。
本书的宗旨是既要介绍传统的回归和分类方法，又要引入大量 加有效的机器学习方法，并且通过实际例子，运用R和Python两种软件来让读者理解各种方法的意义和实践，能够自主做数据分析并得到结论。 本书主要内容包括：经典线性回归、广义线性模型、混合效应模型（分层模型）、机器学习回归方法（决策树、bagging、随机森林、各种boosting方法、人工神经网络、支持向量机、k 近邻方法）、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法（决策树、bagging、随机森林、AdAboost、人工神经网络、支持向量机、k 近邻方法）。其中，混合效应模型、生存分析及Cox模型的内容可根据需要选用。
本书是基于作者多年来在北京大学讲授“组合数学”课程的讲义补充、修改而成的，内容包括组合计数、存在性结果、图论基础、集合相交理论、组合设计、组合的代数和概率方法等。本书注重对基本概念、基本理论和基本方法的理解和掌握，强调组合思想及组合数学在各个领域的应用。 全书分为十章，第一章给出了本书用到的一些基本概念以及初等计数方法；第二章至第五章给出几种组合计数的方法，如递推关系、生成函数、容斥原理、P6lya计数定理等，以及几个重要的组合数，如Catalan数、Stirling数、分拆数等；第六章给出鸽笼原理以及它的推广——Ramsey理论和相异代表系等存在性结果；第七章介绍了图论的基础知识；第八章介绍了初步的集合相交理论；第九章介绍了组合设计理论；第十章简要介绍了组合数学的概率方法。书中每章之后都配有丰富的习题
本书的宗旨是既要介绍传统的回归和分类方法，又要引入大量 加有效的机器学习方法，并且通过实际例子，运用R和Python两种软件来让读者理解各种方法的意义和实践，能够自主做数据分析并得到结论。 本书主要内容包括：经典线性回归、广义线性模型、混合效应模型（分层模型）、机器学习回归方法（决策树、bagging、随机森林、各种boosting方法、人工神经网络、支持向量机、k 近邻方法）、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法（决策树、bagging、随机森林、AdAboost、人工神经网络、支持向量机、k 近邻方法）。其中，混合效应模型、生存分析及Cox模型的内容可根据需要选用。
书号:9787575300605 书名:牛津通识读本：物理学 定价:39 注：预售品种请单独下单，与预售品种一起拍的品种默认和预售品种一起发货！
以上ISBN信息均为平台自动生成，部分商品参数可能存在些许误差，商品准确参数详情可咨询客服。本店为新华书店总部直营店铺，所售图书均为正版，请放心购买！ 基本信息 书 名 科学的感动 爱因斯坦和相对论 出版社 广东人民出版社 作 者 茂木健一郎 出版时间 20180301 I S B N 9787218126074 定价 38 开 本 32开 130*185 装 帧 覆膜 版 次 1 字 数 120 (千字) 页 数 159 读者范围 大众
书号:9787301326909 书名:21世纪物理规划基础课系列 力学习题与解答(第2版) 定价:45 注：预售品种请单独下单，与预售品种一起拍的品种默认和预售品种一起发货！
本书的宗旨是既要介绍传统的回归和分类方法，又要引入大量 加有效的机器学习方法，并且通过实际例子，运用R和Python两种软件来让读者理解各种方法的意义和实践，能够自主做数据分析并得到结论。 本书主要内容包括：经典线性回归、广义线性模型、混合效应模型（分层模型）、机器学习回归方法（决策树、bagging、随机森林、各种boosting方法、人工神经网络、支持向量机、k 近邻方法）、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法（决策树、bagging、随机森林、AdAboost、人工神经网络、支持向量机、k 近邻方法）。其中，混合效应模型、生存分析及Cox模型的内容可根据需要选用。
本书的宗旨是既要介绍传统的回归和分类方法，又要引入大量 加有效的机器学习方法，并且通过实际例子，运用R和Python两种软件来让读者理解各种方法的意义和实践，能够自主做数据分析并得到结论。 本书主要内容包括：经典线性回归、广义线性模型、混合效应模型（分层模型）、机器学习回归方法（决策树、bagging、随机森林、各种boosting方法、人工神经网络、支持向量机、k 近邻方法）、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法（决策树、bagging、随机森林、AdAboost、人工神经网络、支持向量机、k 近邻方法）。其中，混合效应模型、生存分析及Cox模型的内容可根据需要选用。
