시뮬레이션 / 예측 / 함수 추정 등에 대한 통계 분석의 가능성에 매우 관심이 있습니다.
그러나 나는 그것에 대해 많이 알지 못하며 수학 지식은 여전히 상당히 제한적입니다. 저는 소프트웨어 공학의 중학교 학부생입니다.
나는 선형 회귀 및 다른 종류의 회귀, 베이지안 방법, 몬테 카를로 방법, 기계 학습 등 계속해서 읽는 특정 것들에 대해 시작할 수있는 책을 찾고 있습니다. 나는 또한 R로 시작하고 싶습니다. 두 책을 합친 책이있었습니다.
바람직하게는 책이 개념적으로 설명하고 너무 많은 기술적 세부 사항을 설명하지 않기를 원합니다. 통계에 위험한 함정이 매우 많다는 것을 이해하기 때문에 통계가 나에게 직관적이기를 원합니다.
나는 가치가 있다고 생각되는 주제에 대한 이해를 높이기 위해 더 많은 책을 기꺼이 읽습니다.
답변:
어쩌면 당신 은 John Maindonald와 W. John Braun의 R : Example-Based Approach 를 사용한 데이터 분석 및 그래픽 과 같은 것을 원할 것입니다.
@Greg Snow에 동의하면 여러 권의 다른 책을 읽는 관점에서 생각하는 것이 더 나을 수 있습니다. 언급 한 각 주제 (예 : 베이지안 통계, 시계열, 시뮬레이션, R, 기계 학습)에 대해 해당 주제와 관련된 좋은 책이 있습니다. 해당 주제에 대한 특정 관심사가 주어지면 좋은 책이 무엇인지에 대해 별도의 질문을 할 수 있습니다.
자유롭게 이용할 수있는 온라인 옵션
이러한 모든 주제를 포함하는 단일 책은 꽤 인상적이며 아마도 당신보다 더 무겁습니다. 그것은 기본 프로그래밍, C, Java, Perl 및 고급 데이터베이스 디자인을 한 책으로 가르치는 단일 책을 요구하는 것과 같습니다 (실제로는 더 많지만 고급 소프트웨어를 추가 할 수있는 충분한 소프트웨어 공학 용어는 알지 못합니다) .
회귀 자체는 일반적으로 최소한 완전한 대학 과정이며, 베이지안 통계는 베이지안 과정을 완전히 이해하기 전에 이론 과정 또는 2 개 과정이 필요합니다.
당신이하려는 일에 빠르고 쉬운 길은 없습니다. 나는 당신의 대학에서 좋은 코스를 수강하고 그곳에서 일할 것을 제안합니다.
좋은 아이디어에 대한 다른 토론이 있습니다.
@Jeromy Anglim이 언급 한 Maindonald와 Braun 텍스트 외에도 R과 많은 방법을 조합하여 Julian Faraway 의이 두 권의 책을 살펴 보는 것이 좋습니다.
둘 다 다양한 주제에 대해 비교적 간단한 소개를하고 있으며, 후자는 많은 머신 러닝 기술을 포함하여보다 현대적인 회귀에 대한 광범위한 접근 방법을 다루지 만 설명이 적을수록 빠른 속도로 진행하며 R 코드를 통해 기술을 예시합니다.
Chapman & Hall / CRC Press에서 직접 구매하는 경우 R 웹 사이트의 도서 섹션 에서 코드를 얻을 수 있으며 RRP의 20 %를 할인받을 수 있지만 아마존 가격이 경쟁력이 있기 때문에 해당 지역의 아마존 가격 등을 확인하십시오. 할인 후 게시자 가격으로
이 책에 대한 좋은 점 중 하나는보다 전문적인 텍스트를 사용하여보다 자세하게 설명하려는 영역을 탐색 할 수있을만큼 세부적인 방법으로 현대적인 방법을 맛볼 수 있다는 것입니다.
이 책에 들어간 일부 내용 은 R 웹 사이트 의 기고 문서 섹션을 통해 Julian이 온라인 PDF로 볼 수 있습니다 . 이 섹션을 탐색하여 현금을 들이지 않고도 시작할 수있는 다른 문서가 있는지 확인하는 것이 좋습니다. 메인 도널드 및 브라운의 첫 번째 판으로 된 초기 텍스트 버전도이 섹션에서 찾을 수 있습니다.
음, 대부분의 통계적 방법과 그에 대한 R 코드에 대한 개요를 원한다면 Venables와 Ripley의 Modern Applied Statistics in S에서 크게 틀릴 수 없습니다 .
간결하고 명쾌하며 이름이 필요한 통계적 주제를 거의 시작할 수있는 충분한 R 코드가 있습니다.
나는이 책을 샀고 가격 대 페이지 수에 대해주의를 기울 였지만 투자 가치가 있었다. 그들은 미적분학과 선형 대수학을 가정하지만, 당신이 엔지니어라면 문제가되지 않아야합니다.
그들의 S 프로그래밍 도 훌륭하지만 아마도 당신이 지금 찾고있는 것이 아닐 것입니다.
통계 학습의 요소는 초보자에게는 거의 위협이되지 않습니다. 내가 "읽고 추천 할 것입니다 R의 응용 프로그램과 통계 학습에 대한 소개 여기에서 무료로 다운로드 할 수 있습니다"->은 http://www-bcf.usc.edu/~gareth/ISL/ 또한 R의 예를 일했다 모든 장의 끝에.
Stephen Marsland 의 " Machine Learning : algorithmic Perspective "는 수학에 너무 많이 들어 가지 않고도 광범위한 주제를 다룹니다.
이전 답변은 응용 프로그램 측면에서 많이 있습니다. 개념적인 자료와 통계 학적 사고에 관한 한, 나는 확률 이론 : Edwin Jaynes 의 과학의 논리를 추천한다 . 처음 세 장은 무료로 제공 됩니다.
그러나 컴퓨터 프로그램에는 별다른 영향을 미치지 않으므로 응용 프로그램 측면에서보다 양식화 된 문제가 있습니다. 확률 이론의 역설에 관한 훌륭한 장이 있는데, 한 가지 예외는 여기에서 올바르게 해결되는 "마진 화 역설" (제 이네스가 본질적으로 "수업을 얻는다") .
지금까지 제안 된 내용은 모두 훌륭하지만 R 소프트웨어를 사용하는 가장 발전되고 정교한 기술에 중점을 둡니다. 고전적인 다변량 기법의 우수하고 직관적 인 개요를 위해 회귀, 분산 분석, 요인 분석, 군집 분석, 판별 분석, 우발성 분석 및 구조 방정식 분석, Dillon 및 Goldstein의 다변량을 포함한 최신 접근 방식의 기본 프레임 워크 Wiley가 80 년대에 발표 한 통계 는 여전히 고전적입니다. 소프트웨어에 지나치게 이론적이거나 혼돈되지 않고 명료하고 예제에 적용되었습니다.
Dillon and Goldstein은 현대 기계 학습 방법의 기원을 이해하려는 사람에게 권장 할 책입니다.
Shumway와 Stoffer의 "R 시리즈가 포함 된 시계열 분석 및 해당 응용 프로그램"을 추천합니다
제 3 판 : http://www.stat.pitt.edu/stoffer/tsa3/
클릭하여 구입 http://www.amazon.com/Time-Analysis-Its-Applications-Statistics/dp/144197864X/ref=dp_ob_title_bk