在过去的十年里，计算和信息技术突飞猛进。随之而来的是医学、生物学、金融和市场营销等各个领域的大量数据。这本书用一个共同的概念框架来描述这些领域的重要思想。
在这篇专著中，我们尝试总结了稀疏性统计学习这一积极发展的领域。稀疏统计模型是一种只有少量非零参数或权重的模型。它代表了“少即是多”的经典案例: 稀疏模型比密集模型更容易估计和解释。在这个大数据时代，对一个人或物体测量的特征数量可能会很大，甚至可能比观察到的数量还要多。稀疏性假设允许我们处理此类问题，并从大数据集中提取有用的和可重现的模式。
成为VIP会员查看完整内容
【362页pdf】Statistical Learning with Sparsity The Lasso and Generalizations
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
0+阅读 · 2020年12月16日
Arxiv
5+阅读 · 2019年1月24日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2020年12月16日
Arxiv
5+阅读 · 2019年1月24日
微信扫码咨询专知VIP会员