应用回归及分类

本书括的内容有： 经典线性回归、广义线性模型、纵向数据(分层模型)， 机器学习回归方法(决策树、bagging、森林、mboost、人工神经网络、支持向量机、k近邻方法)、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法(决策树、bagging、森林、adaboost、人工神经网络、支持向量机、k近邻方法). 其中， 纵向数据(分层模型)及生存分析及Cox模型的内容可根据需要选用， 所有其他的内容都应该在教学中涉及， 可以简化甚至忽略的内容为一些数学推导和某些不那么的模型， 不可以忽略的是各种方法的直观意义及理念.

吴喜之，北京大学数学力学系本科，美国北卡罗来纳大学统计博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所学府执教。