近年来，在所有科学学科和工业环境中，数据的数量和种类都出现了爆炸式增长。如此庞大的数据集给统计学和机器学习的研究人员带来了许多挑战。本书对高维统计领域进行了介绍，针对的是第一年的研究生水平。它包括的章节集中在核心方法论和理论-包括尾边界，集中不等式，一致定律和经验过程，和随机矩阵-以及章节致力于深入探索特定的模型类-包括稀疏线性模型，矩阵模型与秩约束，图形模型，以及各种类型的非参数模型。通过数百个工作示例和练习，本文旨在为课程和自学的研究生和研究人员在统计，机器学习，以及相关领域谁必须理解，应用和适应现代统计方法适合大规模数据。
成为VIP会员查看完整内容
High-Dimensional Statistics A Non-Asymptotic Viewpoint
相关内容
统计学(Statistics)是研究收集、分析、解读、展示及组织(collection, analysis, interpretation, presentation and organization)数据的学科，通过量化地研究随机性，从而理解数据的产生机制，并进行判别、预测、优化、决策。统计学理论和方法是很多现代科学分支的支柱，其广泛的应用深刻地影响现代生活，具有代表性的应用领域包括：
生物/医学(生物统计学，基因统计学，生物信息学，制药学等)
社会学/环境学(社会统计学，心理学，人口学，空间统计学，环境统计学等)
工业工程学(质量控制，可靠性分析等)
经济学/金融学(精算学，金融统计学等)
工程学/计算机科学(统计学习，数据挖掘，信号/图像采样/处理等)
基础科学(统计物理学，统计化学等)
社会学/环境学(社会统计学，心理学，人口学，空间统计学，环境统计学等)
工业工程学(质量控制，可靠性分析等)
经济学/金融学(精算学，金融统计学等)
工程学/计算机科学(统计学习，数据挖掘，信号/图像采样/处理等)
基础科学(统计物理学，统计化学等)
Arxiv
6+阅读 · 2018年4月7日
Arxiv
4+阅读 · 2018年1月29日
相关VIP内容
相关资讯
相关论文
Arxiv
6+阅读 · 2018年4月7日
Arxiv
4+阅读 · 2018年1月29日
微信扫码咨询专知VIP会员