稀疏统计模型只具有少数非零参数或权重，经典地体现了化繁为简的理念，因而广泛应用于诸多领域。本书就稀疏性统计学习做出总结，以lasso方法为中心，层层推进，逐渐囊括其他方法，深入探讨诸多稀疏性问题的求解和应用，不仅包括了大量例子和图表，还附有文献注释和课后练习，是深入学习统计学知识的ji佳参考。

目录

第 1章引言  1

第 2章 lasso线性模型   6 

2.1引言  6 

2.2 lasso估计   7 

2.3交叉验证和推断  10 

2.4 lasso解的计算  12 

2.4.1基于单变量的软阈值法  12 

2.4.2基于多变量的循环坐标下降法  13 

2.4.3软阈值与正交基      15 

2.5自由度  15 

2.6 lasso解的唯1性    16 

2.7理论概述        17 

2.8非负 garrote       17 

2.9乌q惩罚和贝叶斯估计     19 

2.10一些观点      20

习题  21

第 3章广义线性模型    24 

3.1引言        24 

3.2逻辑斯蒂回归模型   26 

3.2.1示例：文本分类  27 

3.2.2算法  29 

3.3多分类逻辑斯蒂回归   30 

3.3.1示例：手写数字  31 

3.3.2算法  32 

3.3.3组 lasso多分类  33 

3.4对数线性模型及泊松广义线性模型     33 

3.5 Cox比例风险模型   35 

3.5.1交叉验证  37 

3.5.2预验证   38 

3.6支持向量机   39 

3.7计算细节及 glmnet       43

参考文献注释   44

习题  45

第 4章广义 lasso惩罚  47 

4.1引言        47 

4.2弹性网惩罚   47 

4.3组 lasso  50 

4.3.1组 lasso计算      53 

4.3.2稀疏组 lasso  54 

4.3.3重叠组 lasso  56 

4.4稀疏加法模型和组 lasso     59 

4.4.1加法模型和 back.tting  59 

4.4.2稀疏加法模型和 back.tting  60 

4.4.3优化方法与组 lasso     61 

4.4.4稀疏加法模型的多重惩罚         64 

4.5融合 lasso  65 

4.5.1拟合融合 lasso   66 

4.5.2趋势滤波  69 

4.5.3近保序回归   70 

4.6非凸惩罚        72

参考文献注释   74

习题  75

第 5章优化方法  80 

5.1引言        80 

5.2凸优化条件   80 

5.2.1优化可微问题        80 

包邮 稀疏统计学习及其应用 统计学习 例子和图表 统计的应用 统计的课后练习 学 电子书 下载 mobi epub pdf txt