高維統計學非漸近視角 High-Dimensional Statistics: A Non-Asymptotic Viewpoint
Martin J. Wainwright 譯 王成, 劉衛東
- 出版商: 機械工業
- 出版日期: 2023-02-10
- 定價: $894
- 售價: 8.5 折 $760
- 語言: 簡體中文
- 頁數: 480
- 裝訂: 平裝
- ISBN: 7111716760
- ISBN-13: 9787111716761
-
相關分類:
機率統計學 Probability-and-statistics
- 此書翻譯自: High-Dimensional Statistics: A Non-Asymptotic Viewpoint (Hardcover)
立即出貨
買這商品的人也買了...
-
資料庫理論與實務 Access 2007$650$514 -
無瑕的程式碼－敏捷軟體開發技巧守則 + 番外篇－專業程式設計師的生存之道 (雙書合購)$940$700 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
數學教你不犯錯，上下冊套書：搞定期望值、認清迴歸趨勢、弄懂存在性 (HOW NOT TO BE WRONG:The Power of Mathematical Thinking)$660$495 -
無瑕的程式碼－敏捷完整篇－物件導向原則、設計模式與 C# 實踐 (Agile principles, patterns, and practices in C#)$790$616 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
Soft Skills 軟實力｜軟體開發人員的生存手冊 (Soft Skills: The software developer's life manual)$520$411 -
無瑕的程式碼－整潔的軟體設計與架構篇 (Clean Architecture: A Craftsman's Guide to Software Structure and Design)$580$452 -
34個讓你豁然開朗的統計學小故事$420$378 -
常識統計學：拆穿混淆的假設、揪出偏差的數據、識破扭曲的結論，耶魯大學最受歡迎的十八堂公開課$520$468 -
I'm From Taiwan / Programmer 阿喵宅造型貼紙7X7公分 (粉色)$69$60 -
Introduction to Mathematical Statistics, 8/e (GE-Paperback)$1,460$1,387 -
深入淺出 Go (Head First Go)$880$695 -
阿喵宅開發順利春聯 2入$68$68 -
白話演算法！培養程式設計的邏輯思考 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$520$411 -
比 Docker 再高階一步：使用 Harbor 完成 Helm Chart 容器及鏡像雲端原生管理$880$748 -
超圖解 ESP32 深度實作$880$695 -
資料科學的建模基礎 : 別急著 coding！你知道模型的陷阱嗎？$599$509 -
統計的藝術：如何從數據中了解事實，掌握世界$580$522 -
人工智慧應用在我家 - 使用 KNERON AI Dongle(耐能AI加速棒) - 附 MOSME 行動學習一點通：診斷．評量．影音．擴增．加值$400$360 -
機率思考的策略論：從機率的觀點，充分發揮「數學行銷」的力量$550$435 -
最優化方法及其 Python 程序實現$408$388 -
人生卡關的時候，就用「期望值」思考吧！AI時代輕鬆存活必備技能，寫給文科生的統計學超入門$380$300 -
貫穿設計模式 — 用一個電商項目詳解設計模式$534$507 -
超實用！會計．生管．財務的辦公室 EXCEL 必備 50招省時技 (2016/2019/2021) (暢銷回饋版)$450$351
相關主題
商品描述
本書對高維統計學進行了詳盡介紹，
重點介紹核心方法論和理論——包括尾部界、集中不等式、一致律和經驗過程以及隨機矩陣。
此外還深入探索了特定的模型類,包括稀疏線性模型、
用秩約束矩陣模型、圖模型和各種類型的非參數模型。
目錄大綱
目錄
本書讚譽
譯者序
致謝
第1章簡介1
1.1經典理論和高維理論1
1.2高維會產生什麼問題2
1.2.1線性判別分析2
1.2.2協方差估計4
1.2.3非參數回歸6
1.3高維中什麼能幫助我們8
1.3.1向量的稀疏性8
1.3.2協方差矩陣中的結構10
1.3.3回歸形式的結構11
1.4什麼是非漸近的觀點12
1.5全書概述13
1.5.1各章內容13
1.5.2閱讀背景要求14
1.5.3教學建議和流程圖15
1.6參考文獻和背景16
第2章基本尾部概率界和集中不等式18
2.1經典的界18
2.1.1從馬爾可夫不等式到Chernoff界18
2.1.2次高斯隨機變量和Hoeffding界19
2.1.3次指數隨機變量和Bernstein界22
2.1.4一些單邊結果26
2.2基於鞅的方法28
2.2.1背景28
2.2.2鞅差序列的集中度界30
2.3高斯隨機變量的Lipschitz函數35
2.4附錄A：次高斯隨機變量的等價性39
2.5附錄B：次指數隨機變量的等價性42
2.6參考文獻和背景43
2.7習題44
第3章測度集中度51
3.1基於熵技巧的集中度51
3.1.1熵及其相關性質51
3.1.2Herbst方法及其延伸52
3.1.3可分凸函數和熵方法54
3.1.4張量化和可分凸函數56
3.2集中度的幾何觀點58
3.2.1集中度函數59
3.2.2與Lipschitz函數的聯繫60
3.2.3從幾何到集中度63
3.3Wasserstein距離和信息不等式66
3.3.1Wasserstein距離66
3.3.2傳輸成本和集中不等式67
3.3.3傳輸成本的張量化70
3.3.4馬爾可夫鏈的傳輸成本不等式71
3.3.5非對稱耦合成本72
3.4經驗過程的尾部概率界75
3.4.1一個泛函Hoeffding不等式75
3.4.2一個泛函Bernstein不等式77
3.5參考文獻和背景79
3.6習題80
第4章一致大數定律85
4.1動機85
4.1.1累積分佈函數的一致收斂85
4.1.2更一般函數類的一致定律87
4.2基於Rademacher複雜度的一致定律90
4.3Rademacher複雜度的上界94
4.3.1多項式識別的函數類94
4.3.2Vapnik-Chervonenkis維數96
4.3.3VC維數的控制99
4.4參考文獻和背景100
4.5習題101
第5章度量熵及其用途104
5.1覆蓋和填裝104
5.2高斯複雜度和Rademacher複雜度113
5.3度量熵和次高斯過程115
5.3.1一步離散化的上確界116
5.3.2離散化界的例子117
5.3.3鏈方法和Dudley熵積分119
5.4一些高斯比較不等式123
5.4.1一般的比較不等式結果123
5.4.2Slepian和Sudakov-Fernique不等式125
5.4.3高斯收縮不等式126
5.5Sudakov下界127
5.6鏈方法和Orlicz過程128
5.7參考文獻和背景131
5.8習題132
第6章隨機矩陣和協方差估計136
6.1預備知識136
6.1.1符號和基本結果136
6.1.2協方差矩陣估計問題137
6.2Wishart矩陣及其性質138
6.3次高斯總體的協方差矩陣141
6.4一般矩陣的界144
6.4.1矩陣分析背景知識144
6.4.2矩陣的尾部條件145
6.4.3矩陣Chernoff方法和獨立分解147
6.4.4隨機矩陣的上尾部概率界149
6.4.5協方差矩陣的結果153
6.5帶結構的協方差矩陣的界154
6.5.1未知稀疏與截斷155
6.5.2漸近稀疏157
6.6附錄：定理6.1的證明159
6.7參考文獻和背景161
6.8習題162
第7章高維情形下的稀疏線性模型167
7.1問題及應用167
7.1.1不同的稀疏模型167
7.1.2稀疏線性模型的應用168
7.2無噪情形下的還原171
7.2.1l1鬆弛172
7.2.2準確還原和零空間172
7.2.3零空間的充分條件174
7.3有噪情形下的估計178
7.3.1受限特徵值條件178
7.3.2嚴格稀疏模型下的l2誤差界180
7.3.3隨機設計矩陣的受限零空間和特徵值183
7.4預測誤差的界186
7.5變量或子集選擇188
7.5.1Lasso的變量選擇相合性188
7.5.2定理7.21的證明191
7.6附錄:定理7.16的證明193
7.7參考文獻和背景195
7.8習題197
第8章高維下的主成分分析204
8.1主成分和降維204
8.1.1PCA的解釋和應用205
8.1.2特徵值和特徵空間的擾動208
8.2一般特徵向量的界209
8.2.1一個一般的確定性結果209
8.2.2一個穗狀總體的結果211
……
