- 网页设计
- 整站网页设计
- 网站模板设计
- 网站开发
- 综合门户网开发
- 企业网站开发
- 电子商务网站开发
- 资讯网站开发
- 团购网站开发
- 手机网站开发
- 宣传展示网站
- 网站功能开发
- 网站特效制作
- 应用软件开发
- 手机应用软件
- 计算机应用软件
- 软件美工
- 程序修改
- 仿网站开发
- 脚本插件
- 软件测试
- 网站改版
- 企业办公系统
- 软件汉化
- 软件界面皮肤
- 企业办公系统界面
- 应用移植
- Android开发
- IOS开发
- 应用汉化
- 安卓系统定制
- 网店装修
【套装2本】R语言实战第2版 r语言编程入门教程书 数据分析统计R语言医学数据分析实战 大数据处理与分析技术指南 R语言学习参考书
- 产品名称:数据挖掘:商业数据分析技...
- 品牌:清华大学出版社
- 书名:数据挖掘:商业数据分析技术与实践
- 作者:美]盖丽特·徐茉莉(GalitShmueli)
- 定价:118.00元
- 书名:数据挖掘:商业数据分析技术与实践
- 开本:16开
- 是否是套装:否
- 出版社名称:清华大学出版社
R语言实战 D2版 | ||
定价 | (咨询特价) | |
出版社 | 人民邮电出版社 | |
版次 | 2 | |
出版时间 | (咨询特价)年05月 | |
开本 | 16开 | |
作者 | Robert I. Kabacoff | |
装帧 | 平装 | |
页数 | 534 | |
字数 | (咨询特价) | |
ISBN编码 | 7 |
R语言医学数据分析实战 | ||
定价 | 99.8 | |
出版社 | 人民邮电出版社 | |
版次 | 1 | |
出版时间 | (咨询特价)年08月 | |
开本 | 16开 | |
作者 | 赵军 | |
装帧 | 平装 | |
页数 | 274 | |
字数 | (咨询特价) | |
ISBN编码 | 51 |
《R语言实战 D二版》
本书注重实用性,是一本全面而细致的R指南,高度概括了该软件和它的强大功能,展示了使用的统计示例,且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析,还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正,新增了近200页内容,介绍数据挖掘、预测性分析和GJ编程。本书适合数据分析人员及R用户学习参考。
《R语言医学数据分析实战》
本书以医学数据为例,讲解如何使用R进行数据分析,结合大量精选的实例对常用分析方法进行了深入浅出的介绍,以帮助读者解决医学数据分析中的实际问题。 本书共分为14章,D1章~D3章介绍了R语言的基本用法;D4章介绍了数据可视化;D5章介绍了基本的统计分析方法;D6章~D8章介绍了医学研究中Z常用的三种回归模型;D9章介绍了生存分析的基本方法;D10章~D12章介绍了几种常用的多统计分析方法;D13章介绍了临床诊断试验的统计评价指标和计算方法;D14章介绍了在医学科研实践中常用的Meta分析方法。 本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用,亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书,读者不仅能掌握使用R及相关包快速解决实际问题的方法,还能更深入地理解数据分析。
《R语言实战 D二版》
DY部分 入门
D1章 R语言介绍 3
1.1 为何要使用R 4
1.2 R的获取和安装 6
1.3 R的使用 6
1.3.1 新手上路 7
1.3.2 获取帮助 10
1.3.3 工作空间 10
1.3.4 输入和输出 12
1.4 包 13
1.4.1 什么是包 14
1.4.2 包的安装 14
1.4.3 包的载入 14
1.4.4 包的使用方法 14
1.5 批处理 15
1.6 将输出用为输入:结果的重用 16
1.7 处理大数据集 16
1.8 示例实践 16
1.9 小结 18
D2章 创建数据集 19
2.1 数据集的概念 19
2.2 数据结构 20
2.2.1 向量 21
2.2.2 矩阵 22
2.2.3 数组 23
2.2.4 数据框 24
2.2.5 因子 27
2.2.6 列表 28
2.3 数据的输入 30
2.3.1 使用键盘输入数据 31
2.3.2 从带分隔符的文本文件导入数据 32
2.3.3 导入Excel数据 35
2.3.4 导入XML数据 36
2.3.5 从网页抓取数据 36
2.3.6 导入SPSS数据 36
2.3.7 导入SAS数据 37
2.3.8 导入Stata数据 37
2.3.9 导入NetCDF数据 38
2.3.10 导入HDF5数据 38
2.3.11 访问数据库管理系统 38
2.3.12 通过Stat/Transfer导入数据 40
2.4 数据集的标注 40
2.4.1 变量标签 40
2.4.2 值标签 41
2.5 处理数据对象的实用函数 41
2.6 小结 42
D3章 图形初阶 43
3.1 使用图形 43
3.2 一个简单的例子 45
3.3 图形参数 46
3.3.1 符号和线条 47
3.3.2 颜色 49
3.3.3 文本属性 50
3.3.4 图形尺寸与边界尺寸 51
3.4 添加文本、自定义坐标轴和图例 53
3.4.1 标题 54
3.4.2 坐标轴 54
3.4.3 参考线 56
3.4.4 图例 57
3.4.5 文本标注 58
3.4.6 数学标注 60
3.5 图形的组合 61
3.6 小结 67
D4章 基本数据管理 68
4.1 一个示例 68
4.2 创建新变量 70
4.3 变量的重编码 71
4.4 变量的重命名 72
4.5 缺失值 74
4.5.1 重编码某些值为缺失值 74
4.5.2 在分析中排除缺失值 75
4.6 日期值 76
4.6.1 将日期转换为字符型变量 77
4.6.2 更进一步 78
4.7 类型转换 78
4.8 数据排序 79
4.9 数据集的合并 79
4.9.1 向数据框添加列 79
4.9.2 向数据框添加行 80
(咨询特价) 数据集取子集 80
(咨询特价).1 选入(保留)变量 80
(咨询特价).2 剔除(丢弃)变量 81
(咨询特价).3 选入观测 82
(咨询特价).4 subset()函数 82
(咨询特价).5 随机抽样 83
(咨询特价) 使用SQL语句操作数据框 83
(咨询特价) 小结 84
D5章 GJ数据管理 85
5.1 一个数据处理难题 85
5.2 数值和字符处理函数 86
5.2.1 数学函数 86
5.2.2 统计函数 87
5.2.3 概率函数 90
5.2.4 字符处理函数 92
5.2.5 其他实用函数 94
5.2.6 将函数应用于矩阵和数据框 95
5.3 数据处理难题的一套解决方案 96
5.4 控制流 100
5.4.1 重复和循环 100
5.4.2 条件执行 101
5.5 用户自编函数 102
5.6 整合与重构 104
5.6.1 转置 104
5.6.2 整合数据 105
5.6.3 reshape2包 106
5.7 小结 108
D二部分 基本方法
D6章 基本图形 110
6.1 条形图 110
6.1.1 简单的条形图 111
6.1.2 堆砌条形图和分组条形图 112
6.1.3 均值条形图 113
6.1.4 条形图的微调 114
6.1.5 棘状图 115
6.2 饼图 116
6.3 直方图 118
6.4 核密度图 120
6.5 箱线图 122
6.5.1 使用并列箱线图进行跨组比较 123
6.5.2 小提琴图 125
6.6 点图 127
6.7 小结 129
D7章 基本统计分析 130
7.1 描述性统计分析 131
7.1.1 方法云集 131
7.1.2 更多方法 132
7.1.3 分组计算描述性统计量 134
7.1.4 分组计算的扩展 135
7.1.5 结果的可视化 137
7.2 频数表和列联表 137
7.2.1 生成频数表 137
7.2.2 D立性检验 143
7.2.3 相关性的度量 144
7.2.4 结果的可视化 145
7.3 相关 145
7.3.1 相关的类型 145
7.3.2 相关性的显著性检验 147
7.3.3 相关关系的可视化 149
7.4 t 检验 149
7.4.1 D立样本的t 检验 150
7.4.2 非D立样本的t检验 151
7.4.3 多于两组的情况 151
7.5 组间差异的非参数检验 152
7.5.1 两组的比较 152
7.5.2 多于两组的比较 153
7.6 组间差异的可视化 155
7.7 小结 155
D三部分 中级方法
D8章 回归 158
8.1 回归的多面性 159
8.1.1 OLS回归的适用情境 159
8.1.2 基础回顾 160
8.2 OLS回归 160
8.2.1 用lm()拟合回归模型 161
8.2.2 简单线性回归 163
8.2.3 多项式回归 164
8.2.4 多线性回归 167
8.2.5 有交互项的多线性回归 169
8.3 回归诊断 171
8.3.1 标准方法 172
8.3.2 改进的方法 175
8.3.3 线性模型假设的综合验证 181
8.3.4 多重共线性 181
8.4 异常观测值 182
8.4.1 离群点 182
8.4.2 高杠杆值点 182
8.4.3 强影响点 184
8.5 改进措施 186
8.5.1 删除观测点 186
8.5.2 变量变换 187
8.5.3 增删变量 188
8.5.4 尝试其他方法 188
8.6 选择“Z佳”的回归模型 189
8.6.1 模型比较 189
8.6.2 变量选择 190
8.7 深层次分析 193
8.7.1 交叉验证 193
8.7.2 相对重要性 195
8.8 小结 197
D9章 方差分析 198
9.1 术语速成 198
9.2 ADVA模型拟合 201
9.2.1 aov()函数 201
9.2.2 表达式中各项的顺序 202
9.3 单因素方差分析 203
9.3.1 多重比较 204
9.3.2 评估检验的假设条件 206
9.4 单因素协方差分析 208
9.4.1 评估检验的假设条件 209
9.4.2 结果可视化 210
9.5 双因素方差分析 211
9.6 重复测量方差分析 214
9.7 多方差分析 217
9.7.1 评估假设检验 218
9.7.2 稳健多方差分析 220
9.8 用回归来做ADVA 220
9.9 小结 222
D10章 功效分析 223
10.1 假设检验速览 223
10.2 用pwr包做功效分析 225
10.2.1 t检验 226
10.2.2 方差分析 228
10.2.3 相关性 228
10.2.4 线性模型 229
10.2.5 比例检验 230
10.2.6 卡方检验 231
10.2.7 在新情况中选择合适的效应值 232
10.3 绘制功效分析图形 233
10.4 其他软件包 235
10.5 小结 236
D11章 中级绘图 237
11.1 散点图 238
11.1.1 散点图矩阵 240
11.1.2 高密度散点图 242
11.1.3 三维散点图 244
11.1.4 旋转三维散点图 247
11.1.5 气泡图 248
11.2 折线图 250
11.3 相关图 253
11.4 马赛克图 258
11.5 小结 260
D12章 重抽样与自助法 261
12.1 置换检验 261
12.2 用coin包做置换检验 263
12.2.1 D立两样本和K 样本检验 264
12.2.2 列联表中的D立性 266
12.2.3 数值变量间的D立性 266
12.2.4 两样本和K 样本相关性检验 267
12.2.5 深入探究 267
12.3 lmPerm包的置换检验 267
12.3.1 简单回归和多项式回归 268
12.3.2 多回归 269
12.3.3 单因素方差分析和协方差分析 270
12.3.4 双因素方差分析 271
12.4 置换检验点评 271
12.5 自助法 272
12.6 boot包中的自助法 272
12.6.1 对单个统计量使用自助法 274
12.6.2 多个统计量的自助法 276
12.7 小结 278
D四部分 GJ方法
D13章 广义线性模型 280
13.1 广义线性模型和glm()函数 281
13.1.1 glm()函数 281
13.1.2 连用的函数 282
13.1.3 模型拟合和回归诊断 283
13.2 Logistic回归 284
13.2.1 解释模型参数 286
13.2.2 评价预测变量对结果概率的影响 287
13.2.3 过度离势 288
13.2.4 扩展 289
13.3 泊松回归 289
13.3.1 解释模型参数 291
13.3.2 过度离势 292
13.3.3 扩展 294
13.4 小结 295
D14章 主成分分析和因子分析 296
14.1 R 中的主成分和因子分析 297
14.2 主成分分析 298
14.2.1 判断主成分的个数 298
14.2.2 提取主成分 300
14.2.3 主成分旋转 303
14.2.4 获取主成分得分 304
14.3 探索性因子分析 305
14.3.1 判断需提取的公共因子数 306
14.3.2 提取公共因子 307
14.3.3 因子旋转 308
14.3.4 因子得分 312
14.3.5 其他与EFA相关的包 312
14.4 其他潜变量模型 312
14.5 小结 313
D15章 时间序列 315
15.1 在R中生成时序对象 317
15.2 时序的平滑化和季节性分解 319
15.2.1 通过简单移动平均进行平滑处理 319
15.2.2 季节性分解 321
15.3 指数预测模型 326
15.3.1 单指数平滑 326
15.3.2 Holt指数平滑和Holt-Winters指数平滑 329
15.3.3 ets()函数和自动预测 331
15.4 ARIMA 预测模型 333
15.4.1 概念介绍 333
15.4.2 ARMA和ARIMA模型 334
15.4.3 ARIMA的自动预测 339
15.5 延伸阅读 340
15.6 小结 340
D16章 聚类分析 342
16.1 聚类分析的一般步骤 343
16.2 计算距离 344
16.3 层次聚类分析 345
16.4 划分聚类分析 350
16.4.1 K均值聚类 350
16.4.2 围绕中心点的划分 354
16.5 避免不存在的类 356
16.6 小结 359
D17章 分类 360
17.1 数据准备 361
17.2 逻辑回归 362
17.3 决策树 363
17.3.1 经典决策树 364
17.3.2 条件推断树 366
17.4 随机森林 368
17.5 支持向量机 370
17.6 选择预测效果Z好的解 374
17.7 用rattle包进行数据挖掘 376
17.8 小结 381
D18章 处理缺失数据的GJ方法 382
18.1 处理缺失值的步骤 383
18.2 识别缺失值 384
18.3 探索缺失值模式 385
18.3.1 列表显示缺失值 385
18.3.2 图形探究缺失数据 386
18.3.3 用相关性探索缺失值 389
18.4 理解缺失数据的来由和影响 391
18.5 理性处理不完整数据 391
18.6 完整实例分析(行删除) 392
18.7 多重插补 394
18.8 处理缺失值的其他方法 397
18.8.1 成对删除 398
18.8.2 简单(非随机)插补 398
18.9 小结 399
D五部分 技能拓展
D19章 使用ggplot2进行GJ绘图 402
19.1 R 中的四种图形系统 402
19.2 ggplot2包介绍 403
19.3 用几何函数指定图的类型 407
19.4 分组 411
19.5 刻面 413
19.6 添加光滑曲线 416
19.7 修改ggplot2图形的外观 418
19.7.1 坐标轴 419
19.7.2 图例 420
19.7.3 标尺 421
19.7.4 主题 423
19.7.5 多重图 425
19.8 保存图形 426
19.9 小结 426
D20章 GJ编程 427
20.1 R 语言回顾 427
20.1.1 数据类型 427
20.1.2 控制结构 433
20.1.3 创建函数 436
20.2 环境 437
20.3 面向对象的编程 439
20.3.1 泛型函数 439
20.3.2 S3模型的限制 441
20.4 编写有效的代码 442
20.5 调试 445
20.5.1 常见的错误来源 445
20.5.2 调试工具 446
20.5.3 支持调试的会话选项 448
20.6 深入学习 451
20.7 小结 451
D21章 创建包 452
21.1 非参分析和npar包 453
21.2 开发包 457
21.2.1 计算统计量 457
21.2.2 打印结果 460
21.2.3 汇z结果 461
21.2.4 绘制结果 463
21.2.5 添加样本数据到包 464
21.3 创建包的文档 466
21.4 建立包 467
21.5 深入学习 471
21.6 小结 471
D22章 创建动态报告 472
22.1 用模版生成报告 474
22.2 用R和Markdown创建动态报告 475
22.3 用R和LaTeX创建动态报告 480
22.4 用R和Open Document创建动态报告 483
22.5 用R和Microsoft Word创建动态报告 485
22.6 小结 489
D23章 使用lattice进行GJ绘图 490
23.1 lattice包 490
23.2 调节变量 494
23.3 面板函数 495
23.4 分组变量 498
23.5 图形参数 502
23.6 自定义图形条带 503
23.7 页面布局 504
23.8 深入学习 507
附录A 图形用户界面 508
附录B 自定义启动环境 511
附录C 从R中导出数据 513
附录D R中的矩阵运算 515
附录E 本书中用到的扩展包 517
附录F 处理大数据集 522
附录G 更新R 526
后记:探索R的SJ 528
参考文献 530
《R语言医学数据分析实战》
D 1章 R语言介绍 1
1.1 什么是R语言 1
1.2 为什么使用R分析数据 1
1.3 R的下载与安装 2
1.4 启动和退出R 2
1.5 RStudio 3
1.6 R包 4
1.6.1 什么是包 4
1.6.2 包的安装 5
1.6.3 包的使用和更新 5
1.7 开始使用R 5
1.7.1 获取帮助 5
1.7.2 把RD作一个计算器 6
1.7.3 R对象 8
1.8 工作空间管理 11
1.9 小结 12
1.10 习题 12
D 2章 创建数据集 14
2.1 R的数据结构 14
2.1.1 向量 14
2.1.2 因子 16
2.1.3 矩阵 17
2.1.4 数组 19
2.1.5 列表 20
2.1.6 数据框 21
2.1.7 数据类型的转换 22
2.2 用R获取数据 23
2.2.1 获取内置数据集 23
2.2.2 模拟特定分布的数据 24
2.2.3 获取其他格式的数据 25
2.2.4 导出数据 26
2.2.5 用rio包导入和导出数据 26
2.3 数据录入 27
2.4 小结 28
2.5 习题 30
D3章 数据框的操作 31
3.1 用基本包处理数据框 31
3.1.1 查看数据框里的内容 31
3.1.2 选取数据框的子集 34
3.1.3 将数据框按照某个变量的值排序 35
3.1.4 查找和删除重复数据 36
3.1.5 在数据框中添加和删除变量 37
3.1.6 把数据框添加到搜索路径 38
3.2 用dplyr包处理数据框 39
3.2.1 使用filter()和slice()筛选行 40
3.2.2 使用arrange()排列行 41
3.2.3 使用select()选择列 42
3.2.4 使用mutate()添加新变量 43
3.2.5 使用summarise()计算统计量 43
3.2.6 使用group_by()拆分数据框 44
3.2.7 使用传递符“%>%”组合多个操作 45
3.3 数据框的合并 46
3.3.1 纵向合并 46
3.3.2 横向合并 47
3.3.3 按照某个共有变量合并 47
3.4 数据框的长宽格式的转换 48
3.5 缺失值的处理 50
3.5.1 识别缺失值 50
3.5.2 探索数据框里的缺失值 51
3.5.3 填充缺失值 52
3.6 处理大型数据集的策略 55
3.6.1 清理工作空间 55
3.6.2 快速读取.csv文件 55
3.6.3 模拟一个大型数据集 56
3.6.4 剔除不需要的变量 57
3.6.5 选取数据集的一个随机样本 58
3.7 小结 58
3.8 习题 60
D4章 数据可视化 62
4.1 用R的基础绘图系统作图 62
4.1.1 函数plot() 62
4.1.2 直方图和密度曲线图 63
4.1.3 条形图 65
4.1.4 饼图 67
4.1.5 箱线图和小提琴图 67
4.1.6 克利夫兰点图 68
4.1.7 导出图形 69
4.2 用ggplot2包作图 70
4.2.1 初识ggplot2包 70
4.2.2 分布的特征 74
4.2.3 比例的构成 76
4.2.4 用函数ggsave()保存图形 78
4.3 其他图形 78
4.3.1 金字塔图 78
4.3.2 横向堆栈条形图 79
4.3.3 热图 79
4.3.4 三维散点图 80
4.3.5 词云图 81
4.3.6 动态图形 82
4.4 小结 83
4.5 习题 85
D5章 基本统计分析 86
5.1 数值型变量的描述性统计分析 88
5.2 分类变量的列联表和D立性检验 91
5.2.1 生成频数表和列联表 91
5.2.2 D立性检验 96
5.3 连续型变量组间差异的比较 101
5.3.1 D立样本的t检验 101
5.3.2 非D立样本的t检验 102
5.3.3 单因素方差分析 103
5.3.4 组间差异的非参数检验 105
5.4 用函数tablestack()汇z双变量分析结果 106
5.5 变量间的相关性 111
5.5.1 连续型变量间的相关性 111
5.5.2 分类变量间的相关性 114
5.5.3 相关性的可视化 115
5.6 小结 118
5.7 习题 120
D6章 线性回归分析 122
6.1 简单线性回归 122
6.1.1 拟合简单线性回归模型 123
6.1.2 模型输出结果的解释 124
6.1.3 回归诊断 126
6.2 分层线性回归 129
6.3 多重线性回归 133
6.3.1 拟合多重线性回归模型 133
6.3.2 多重共线性 135
6.3.3 逐步回归 136
6.3.4 回归诊断 139
6.4 小结 140
6.5 习题 141
D7章 Logistic回归分析 142
7.1 二分类Logistic回归 142
7.1.1 Logistic回归模型 142
7.1.2 Logistic回归实例 143
7.1.3 表格数据的Logistic回归 151
7.2 条件Logistic回归 155
7.3 无序多分类Logistic回归 157
7.4 有序Logistic回归 161
7.5 小结 166
7.6 习题 167
D8章 Poisson回归分析 168
8.1 Poisson回归模型 168
8.2 过度离散的判定及处理 171
8.3 对数线性模型 174
8.4 小结 178
8.5 习题 178
D9章 生存分析 180
9.1 生存对象 180
9.2 生存率的估计与生存曲线 182
9.3 生存率的比较 184
9.4 Cox回归 186
9.4.1 建立Cox回归模型 186
9.4.2 比例风险假定的检验 188
9.4.3 生存的预测 188
9.5 小结 190
9.6 习题 190
D 10章 聚类分析 192
10.1 相似性的度量 192
10.1.1 样品间的距离 192
10.1.2 变量间的相似系数 195
10.2 层次聚类法 196
10.2.1 类之间相似系数的定义 196
10.2.2 Q型聚类 196
10.2.3 R型聚类 203
10.3 k均值聚类法 204
10.4 小结 206
10.5 习题 207
D 11章 判别分析 209
11.1 距离判别 209
11.2 KZ邻近判别 213
11.3 Fisher判别 215
11.4 Bayes判别 218
11.5 小结 219
11.6 习题 220
D 12章 主成分分析和因子分析 221
12.1 主成分分析 221
12.1.1 主成分的定义 221
12.1.2 主成分的求解 222
12.1.3 主成分分析的注意事项 226
12.2 因子分析 226
12.2.1 因子分析模型的定义 226
12.2.2 因子分析模型的求解 227
12.2.3 因子旋转 229
12.2.4 因子分析的注意事项 231
12.3 小结 232
12.4 习题 233
D 13章 临床诊断试验评价 234
13.1 二分类结果的评价指标 234
13.1.1 灵敏度和特异度 234
13.1.2 预测值 235
13.1.3 图解灵敏度、特异度、阳性预测值和阴性预测值 235
13.1.4 诊断试验的综合评价指标 236
13.2 ROC及曲线下面积 237
13.2.1 单个ROC分析 237
13.2.2 两个ROC的比较 240
13.2.3 Logistic回归的ROC曲线 241
13.3 联合试验 243
13.4 小结 244
13.5 习题 244
D 14章 Meta分析 245
14.1 Meta分析的基本步骤 245
14.2 Meta分析的常用统计方法 246
14.3 二分类变量资料的Meta分析 247
14.3.1 OR、RR或RD的合并 248
14.3.2 发表偏倚的识别 251
14.3.3 敏感性分析 253
14.4 连续型变量资料的Meta分析 254
14.5 Meta分析的注意事项 255
14.6 小结 256
14.7 习题 256
习题参考答案 258
参考文献 273
函数索引 274
Robert I. Kabacoff
R语言社区ZM学习wzQuick-R的维护者,现为quanqiu化开发与咨询公司Management研究集团研发副z裁。此前,Kabacoff博士是佛罗里达诺瓦东南大学的教授,讲授定量方法和统计编程的研究生课程。Kabacoff还是临床心理学博士、统计顾问,擅长数据分析,在健康、金融服务、制造业、行为科学、政府和学术界有20余年的研究和统计咨询经验。
译者简介:
王小宁
中国人民大学统计学院14级硕士,16级博士,统计之都副主编,中国人民大学数据挖掘中心分布式计算负责人,研究兴趣包括统计机器学习和缺失数据。
刘撷芯
中国人民大学统计学院13级硕士,爱荷华大学商学院16级博士,中国人民大学数据挖掘中心核心成员之一,研究兴趣包括统计机器学习和文本分析。
黄俊文
(咨询特价)年毕业于中山大学数学系,2016年毕业于加州大学圣地亚哥分校统计学专业,统计之都成员,易易网创始人之一,目前关注计算机科学和统计学的结合与应用,包括机器学习方法等。他致力于成为一个有趣的人。
赵军,泰国宋卡王子大学流行病学博士,湖北医药学院公共卫生与管理学院副教授、硕士研究生导师。讲授医药数理统计方法、医学统计学、GJ统计学等课程。近三年以DY作者身份发表SCI论文5篇,研究方向为临床流行病学、医学统计学。
_310x310.jpg-
最近销售:已售出50 掌柜:风云定¥75 元
-
最近销售:已售出29 掌柜:风云定¥59 元
-
最近销售:已售出16 掌柜:风云定¥69 元
-
最近销售:已售出14 掌柜:风云定¥69 元
-
最近销售:已售出14 掌柜:风云定¥68 元