-
分层线性模型
您一直等待的修订版就在这里!由于充满丰富的研究示例,并对分层线性模型(HLM)理论与应用有透彻的解释,其第1版就广受欢迎,现在这本书的第2版又重新组织为四大部分,并且加入了全新的4章内容。前两个部分,即第一部分“原理”和第二部分“基本应用”,紧密对应着上一版中的9章,但是已经大量扩展了内容,技术解释更为清晰,比如: 对HLM模型中的基本估计和推断程序提供了一个直观的介绍性总结。 在第6章中新加了一节多元增长模型。 第7章增加了对研究综合或元分析应用的讨论。 对数据分析中层-1自变量定位方法的建议以及可信值区间与稳健标准误方面的新材料。 虽然第1版主要是讨论层-1结果变量为连续分布的情况,然而现在的第 2版的第三部分中又包括了一系列其他类型结果变量的分析,比如: 新的第10章介绍分层模型在结果变量为二分类变量、计数变量、序次变量以及多项分类变量条件下的应用,并且每种情况都提供了详细的示例和说明。 新的第11章讨论了潜在变量模型,其中包括在HLM框架下对有缺失的数据以及在自变量有测量误差时如何进行回归估计,还包括了嵌入性分项反应模型。 第13章则是关于分层数据分析中贝叶斯推断原理的介绍。 作者在第四部分中对全书应用的统计理论以及计算方法进行了总结,包括层-1为正态分布误差的单变量模型、多元线性模型以及分层一般化线性模型。此外,还给读者提供了一个新的链接网址,可以下载有关数据并访问更多的技术资料。 -
统计学完全教程
由美国当代著名统计学家L·沃塞曼所著的《统计学元全教程》是一本几乎包含了统计学领域全部知识的优秀教材。本书除了介绍传统数理统计学的全部内容以外,还包含了Bootstrap方法(自助法)、独立性推断、因果推断、图模型、非参数回归、正交函数光滑法、分类、统计学理论及数据挖掘等统计学领域的新方法和技术。本书不但注重概率论与数理统计基本理论的阐述,同时还强调数据分析能力的培养。本书中含有大量的实例以帮助广大读者快速掌握使用R软件进行统计数据分析。 本书适用于统计学、数学、计算机科学、机器学习与数据挖掘等领域的高年级本科生、研究生,对于相关领域的广大科研工作者和实际工作者来说也不失为一本有价值的参考书。 -
统计学习理论
-
统计自然语言处理
内容简介 本书全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展,内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等,既有对基础知识和理论模型的介绍,也有对相关问题的研究背景、实现方法和技术现状的详细阐述。 本书可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书,也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。 ------- 目录 第1章 绪论 1.1 基本概念 1.1.1 语言学与语音学 1.1.2 自然语言处理 1.1.3 关于“理解”的标准 1.2 自然语言处理研究的内容和面临的困难 1.2.1 自然语言处理研究的内容 1.2.2 自然语言处理涉及的几个层次 1.2.3 自然语言处理面临的困难 1.3 自然语言处理的基本方法及其发展 1.3.1 自然语言处理的基本方法 1.3.2 自然语言处理的发展 1.4 自然语言处理的研究现状 第2章 预备知识 2.1 概率论基本概念 2.1.1 概率 2.1.2 最大似然估计 2.1.3 条件概率 2.1.4 贝叶斯法则 2.1.5 随机变量 2.1.6 二项式分布 2.1.7 联合概率分布和条件概率分布 2.1.8 贝叶斯决策理论 2.1.9 期望和方差 2.2 信息论基本概念 2.2.1 熵 2.2.2 联合熵和条件熵192.2.3 互信息 2.2.4 相对熵 2.2.5 交叉熵 2.2.6 困惑度 2.2.7 噪声信道模型 2.3 支持向量机 2.3.1 线性分类 2.3.2 线性不可分 2.3.3 构造核函数 第3章 形式语言与自动机 第4章 语料库与词汇知识库 第5章 语言模型 第6章 隐马尔可夫模型 第7章 汉语自动分词与词性标注 第8章 句法分析 第9章 语义消歧 第10章 统计机器翻译 第11章 语音翻译 第12章 文本分类 第13章 信息检索与问答系统 第14章 自动文摘与信息抽取 第15章 口语信息处理与人机对话系统 附录 项目作业 名词术语索引 参考文献 -
统计学
-
Causality
Written by one of the preeminent researchers in the field, this book provides a comprehensive exposition of modern analysis of causation. It shows how causality has grown from a nebulous concept into a mathematical theory with significant applications in the fields of statistics, artificial intelligence, economics, philosophy, cognitive science, and the health and social sciences. Judea Pearl presents and unifies the probabilistic, manipulative, counterfactual, and structural approaches to causation and devises simple mathematical tools for studying the relationships between causal connections and statistical associations. Cited in more than 2,100 scientific publications, it continues to liberate scientists from the traditional molds of statistical thinking. In this revised edition, Judea Pearl elucidates thorny issues, answers readers' questions, and offers a panoramic view of recent advances in this field of research. Causality will be of interest to students and professionals in a wide variety of fields. Dr Judea Pearl has received the 2011 Rumelhart Prize for his leading research in Artificial Intelligence (AI) and systems from The Cognitive Science Society.