Python高維數(shù)據(jù)分析（英文版）

　　《Python高維數(shù)據(jù)分析（英文版）/Python工程應(yīng)用系列叢書》從矩陣計(jì)算如特征值分解和奇異值分解出發(fā)，討論了正規(guī)方程的小二乘法模型引出欠秩線性方程組的求解方法問題；然后介紹了兩種有損的降維方法，即主成分分析（主成分回歸）和偏小二乘回歸，包括模型、 算法和多個(gè)實(shí)例，并擴(kuò)展到線性回歸的正則化方法，給出了嶺回歸和Lasso的原理算法和實(shí)例；最后通過紅外光譜的標(biāo)定遷移實(shí)例將線性模型擴(kuò)展到遷移學(xué)習(xí)領(lǐng)域。本書每章都有基于Python語言和Sklearn機(jī)器學(xué)習(xí)庫的紅外光譜數(shù)據(jù)集分析的實(shí)例。紅外光譜集是關(guān)于物質(zhì)吸光率的純數(shù)據(jù)，可以與其標(biāo)簽標(biāo)示的數(shù)據(jù)物質(zhì)濃度直接進(jìn)行回歸分析，讀者在閱讀中可以把精力大限度地集中在高維數(shù)據(jù)的建模、 算法實(shí)現(xiàn)和分析過程上?！禤ython高維數(shù)據(jù)分析（英文版）/Python工程應(yīng)用系列叢書》既可作為信息管理和信息系統(tǒng)專業(yè)、計(jì)算機(jī)相關(guān)專業(yè)和大數(shù)據(jù)專業(yè)的教學(xué)用書，也可作為從事光譜分析、 化學(xué)分析的工程人員及化學(xué)計(jì)量學(xué)研究人員的參考書，還適合對(duì)數(shù)據(jù)分析和研究感興趣的其他Python工程師學(xué)習(xí)閱讀。本書引用的原始文獻(xiàn)和數(shù)據(jù)對(duì)上述人員是非常有幫助的。

暫缺《Python高維數(shù)據(jù)分析（英文版）》作者簡(jiǎn)介