封面 版权页 前言 目录页 第一章 线性回归模型 1.1 一元线性回归 1.1.1 参数的最小二乘估计 1.1.2 参数估计量的统计性质 1.1.3 回归系数的显著性检验 1.2 多元线性回归 1.2.1 参数的最小二乘估计 1.2.2 参数估计量的统计性质 1.2.3 回归模型的显著性检验 1.2.4 回归系数的显著性检验 1.3 数据背景介绍及线性模型回归结果 1.3.1 数据背景介绍 1.3.2 回归模型分析结果 1.4 多元线性回归中的复共线性问题 1.5 偏差方差的权衡 1.6 模型选择以及模型精确度评价 第二章 主成分回归 2.1 主成分分析 2.1.1 主成分分析的基本原理 2.1.2 主成分的推导和计算 2.1.3 主成分回归 2.2 数据分析的结果 第三章 偏最小二乘法 3.1 偏最小二乘原理 3.2 计算方法推导 3.3 回归方程的建立 3.4 数据试验结果 第四章 切片逆回归 4.1 切片逆回归原理 4.2 计算方法 4.3 数据分析结果 4.4 投影寻踪回归 4.5 平滑函数 4.6 PCR，PLSR，SIR以及PPR之间的比较 第五章 惩罚回归 5.1 岭回归 5.2 LASSO 5.3 LASSO参数的估计方法 5.4 SCAD 5.5 SCAD参数的估计方法 5.6 数据分析结果和讨论 5.7 惩罚偏最小二乘 第六章 Kriging模型 6.1 Kriging模型介绍 6.2 历史回顾 6.3 Kriging模型 6.3.1 预测公式的推导 6.3.2 参数估计 6.3.3 Kriging模型的应用 6.3.4 实验结果及其比较 6.4 经验的Kriging模型 6.4.1 经验Kriging模型的估计及预测 6.4.2 经验的Kriging模型改善的结果 6.4.3 Kriging与经验的Kriging模型对数据二的分析 6.5 基于变量选择的Kriging以及经验的Kriging模型 6.5.1 计算过程 6.5.2 结果分析 6.6 高斯Kriging模型中的惩罚 6.6.1 惩罚似然和Kriging 6.6.2 理论方面 6.6.3 惩罚似然函数的参数估计算法 参考文献 ..更多