MATLAB數(shù)據(jù)探索性分析（原書第2版）

定　價：￥79.00

作　者：	溫迪·L.馬丁內(nèi)茲著
出版社：	清華大學出版社
叢編項：	清華開發(fā)者書庫
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302474999	出版時間：	2018-08-01	包裝：	平裝
開本：	16	頁數(shù)：	352	字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)介紹了基于MATLAB語言的探索性數(shù)據(jù)分析與實現(xiàn)方法。本書共分10章，從實際數(shù)據(jù)集與探索性數(shù)據(jù)分析的基本概念講起，內(nèi)容涉及數(shù)據(jù)模式的發(fā)現(xiàn)、線性與非線性降維方法、數(shù)據(jù)巡查方法、聚類分析，以及用于探索性數(shù)據(jù)分析的數(shù)據(jù)可視化方法。除了基本分析與實現(xiàn)方法，書中也給出了豐富的應用實例，并提供了大量免費的相關(guān)資源，全部實例代碼都可以直接用于探索性數(shù)據(jù)分析。

作者簡介

　　Wendy L. Martinez 1989年獲得卡內(nèi)基？梅隆大學物理學和數(shù)學學士學位，后在喬治？華盛頓大學及美國航空航天局蘭利研究中心完成航空航天工程碩士學位的學習，并于1995年獲得喬治？梅森大學計算科學和信息學（主要是計算統(tǒng)計學）博士學位。獲得博士學位后，在美國軍隊工作15年。在美國海軍水面作戰(zhàn)中心研發(fā)實驗室，進行了概率密度估計、信號處理、科學可視化和模式識別等方面的研究。研究興趣包括概率密度估計、統(tǒng)計模式識別和機器學習、科學可視化、探索性數(shù)據(jù)分析和文本數(shù)據(jù)挖掘。

圖書目錄

目錄
譯者序Ⅰ

第2版前言Ⅲ

第1版前言Ⅴ

第一部分探索性數(shù)據(jù)分析綜述

第1章緒論

1.1何為探索性數(shù)據(jù)分析

1.2全文概述

1.3關(guān)于符號表示法

1.4本書使用的數(shù)據(jù)集

1.4.1非結(jié)構(gòu)化文本文檔

1.4.2基因表達數(shù)據(jù)

1.4.3Oronsay數(shù)據(jù)集

1.4.4軟件檢測

1.5數(shù)據(jù)變換

1.5.1冪變換

1.5.2標準化

1.5.3數(shù)據(jù)球面化

1.6深入閱讀

練習

第二部分模式發(fā)現(xiàn)的EDA方法

第2章降維——線性方法

2.1簡介

2.2主成分分析——PCA

2.2.1基于樣本協(xié)方差矩陣的PCA

2.2.2基于樣本相關(guān)矩陣的PCA

2.2.3應該保留多少個維度

2.3奇異值分解——SVD

2.4非負矩陣分解

2.5因子分析

2.6Fisher線性判別

2.7本征維數(shù)

2.7.1最近鄰法

2.7.2關(guān)聯(lián)維數(shù)

2.7.3最大似然法

2.7.4包數(shù)估計

2.8總結(jié)與深入閱讀

練習

第3章降維——非線性方法

3.1多維尺度分析——MDS

3.1.1度量MDS

3.1.2非度量MDS

3.2流形學習

3.2.1局部線性嵌入

3.2.2等距特征映射——ISOMAP

3.2.3海賽特征映射

3.3人工神經(jīng)網(wǎng)絡方法

3.3.1自組織映射

3.3.2生成式拓撲映射

3.3.3曲元分析

3.4總結(jié)與深入閱讀

練習

第4章數(shù)據(jù)巡查

4.1總體巡查法

4.1.1Torus Winding法

4.1.2偽總體巡查法

4.2插值巡查法

4.3投影追蹤法

4.4投影追蹤索引

4.4.1Posse卡方索引

4.4.2矩索引

4.5獨立成分分析

4.6總結(jié)與深入閱讀

練習

第5章發(fā)現(xiàn)類

5.1簡介

5.2層次聚類法

5.3優(yōu)化方法——k均值聚類

5.4譜聚類

5.5文本聚類

5.5.1非負矩陣分解——回顧

5.5.2概率潛在語義分析

5.6聚類評估

5.6.1Rand索引

5.6.2同型相關(guān)

5.6.3上尾法

5.6.4輪廓圖

5.6.5間隙統(tǒng)計

5.7總結(jié)與深入閱讀

練習

第6章基于模型的聚類

6.1基于模型的聚類方法概述

6.2有限混合模型

6.2.1多元有限混合模型

6.2.2分量模型——協(xié)方差矩陣約束

6.3最大期望算法

6.4基于模型的層次聚合聚類

6.5基于模型的聚類

6.6基于模型聚類的密度估計和判決分析

6.6.1模式識別介紹

6.6.2貝葉斯決策理論

6.6.3基于模型聚類的概率密度估計

6.7由混合模型生成隨機數(shù)據(jù)

6.8總結(jié)與深入閱讀

練習

第7章平滑散點圖

7.1簡介

7.2loess

7.3魯棒loess擬合

7.4loess殘差分析與診斷

7.4.1殘差圖

7.4.2散布平滑

7.4.3loess包絡——向上和向下平滑

7.5平滑樣條及應用

7.5.1樣條回歸

7.5.2平滑樣條

7.5.3均勻間隔數(shù)據(jù)的平滑樣條

7.6選擇平滑參數(shù)

7.7二元分布平滑

7.7.1中間平滑對

7.7.2極平滑

7.8曲線擬合工具箱

7.9總結(jié)與深入閱讀

練習

第三部分EDA的圖形方法

第8章聚類可視化

8.1樹狀圖

8.2樹圖

8.3矩形圖

8.4ReClus圖

8.5數(shù)據(jù)圖像

8.6總結(jié)與深入閱讀

練習

第9章分布圖形

9.1直方圖

9.1.1一元直方圖

9.1.2二元直方圖

9.2箱線圖

9.2.1基本箱線圖

9.2.2基本箱線圖的變形

9.3分位數(shù)圖

9.3.1概率圖

9.3.2qq圖

9.3.3分位數(shù)圖

9.4袋狀圖

9.5測距儀箱線圖

9.6總結(jié)與深入閱讀

練習

第10章多元可視化

10.1象形圖

10.2散點圖

10.2.12D和3D散點圖

10.2.2散點圖矩陣

10.2.3六邊形分組散點圖

10.3動態(tài)圖

10.3.1識別數(shù)據(jù)

10.3.2關(guān)聯(lián)

10.3.3筆刷

10.4協(xié)同圖

10.5點陣圖

10.5.1基本點陣圖

10.5.2多路點陣圖

10.6繪點為線

10.6.1平行坐標圖

10.6.2安德魯曲線

10.6.3安德魯圖像

10.6.4其他繪圖矩陣

10.7再看數(shù)據(jù)巡查

10.7.1總體巡查

10.7.2組合巡查

10.8雙標圖

10.9總結(jié)與深入閱讀

練習

附錄A近似度量

A.1定義

A.1.1相異性

A.1.2相似性度量

A.1.3二值數(shù)據(jù)的相似性度量

A.1.4概率密度函數(shù)的相異性

A.2變換

A.3進階閱讀

附錄BEDA相關(guān)軟件資源

B.1MATLAB程序

B.2其他EDA程序

B.3EDA工具箱

附錄C數(shù)據(jù)集的描述

附錄DMATLAB工具使用要點

D.1MATLAB簡介

D.2在MATLAB中獲得幫助

D.3文件和工作空間管理

D.4MATLAB的標點符號

D.5算術(shù)運算符

D.6MATLAB的數(shù)據(jù)結(jié)構(gòu)

D.6.1基本數(shù)據(jù)結(jié)構(gòu)

D.6.2構(gòu)建數(shù)組

D.6.3元胞數(shù)組

D.6.4結(jié)構(gòu)體

D.7腳本文件與函數(shù)

D.8控制流

D.8.1for循環(huán)

D.8.2while循環(huán)

D.8.3條件分支語句

D.8.4開關(guān)語句

D.9基本繪圖

D.10如何獲取MATLAB信息

附錄EMATLAB函數(shù)

E.1MATLAB

E.2統(tǒng)計工具箱

E.3EDA工具箱

E.4EDA圖形界面工具箱

參考文獻