吴喜之，北京大学数学力学系本科毕业，北卡罗来纳大学统计学博士。中国人民大学统计学院教授，博士生导师。曾在南开大学、北京大学、加利福尼亚大学、北卡罗来纳大学等多所著名学府执教。 张敏，云南财经大学统计学博士，现就职于重庆工商大学。以第一作者公开发表了 CSSCI/CSCD/SCI 多篇文章，主持或参与国家及省部级课题多项，以第二作者出版关于数据科学的教材多部。
复杂数据统计方法（第4版）
吴喜之
评分 暂无
数据主导的学习方式有助于读者理解数据科学的本质，读者可以通过分析数据学会多种统计方法的应用。本书以数据形式为导向，对应不同的数据形式介绍可能使用的一些统计方法。这些统计方法可能属于不同的模型和统计方向，但只要适用于同一类数据，本书就尽量都予以介绍，以此启发读者探索及创新。 本书初版以来，在广大读者的支持和鼓励下，10年间不断更新。第4版在第3版的基础上做了增补及修正，并且
统计学（第五版）
《统计学：从数据到结论》一书由浅入深地讲授统计学基础知识，并提供了统计方法的两种软件，既R和Python的使用方法，让读者可以边学习边着手用统计软件处理数据。全书涉及统计学基本概念、数据的收集、数据的描述、概率和分布、变量之间的关系（回归和分类、多元分析）、时间序列分析、生存分析简介和基本软件使用方法的介绍等。本书前面的章节是对统计基本概念的介绍，后半部分则介绍了更有针对性的一些统计模型、方
应用回归及分类（第2版）
本书包括的内容有: 经典线性回归、?义线性模型、混合效应模型 (分层模型)、机器学习回归?法 (决策树、bagging、随机森林、各种 boosting ?法、??神经?络、?持向量机、k 最近邻?法)、?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?法 (决策树、bagging、随机森林、adaboost、??神经?络、?持向量机、k 最近邻?法).其中
贝叶斯数据分析——基于R与Python的实现（基于R应用的统计学丛书
贝叶斯统计是和基于频率的传统统计 (频率派统计) 不同的一套关于统计推断或决策 的理论、方法与实践. 本书除了介绍贝叶斯统计的基本概念之外, 还介绍了不同贝叶斯模型的数学背景、与贝叶斯模型对应的各种计算方法, 并基于数据例子来介绍如何通过各种软件实现数据分析.本书使用的软件是以 R 为平台的 Stan 和以 Python 为平台的 PyMC3, 它们都是人们喜爱的*的基于
多元统计分析
本书基于数据驱动的思维，以R和Python作为编程工具对大量实际案例做了分析。介绍了回归、分类及各种多元分析方法（包括主成分分析、因子分析、聚类分析、典型相关分析、二元及多元对应分析、多维尺度变换分析）的概念、应用及可能的误区。 本书并不要求读者有数理统计的预备知识，而且本书在一开始为读者提供了为理解概念而必要的代数知识，并附有学习编程语言的练习。读者可以通过本书学到机器
Python
评分 7.1分
Python是一款非常优秀的通用软件，功能强大，它的模块数目有几万个，而且还在飞速增长。本书是以一个统计学家的视角，以统计学内容为载体，力图用*简单的方式让你尽快掌握Python精髓计算机语言类图书。 本书面对是统计、应用数学及数据分析方面的师生和实际工作者。 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
应用回归及分类
评分 9.0分
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
复杂数据统计方法
评分 9.2分
本书自面世以来，得到了广大读者的支持和鼓励。目前的第三版在第二版的基础上做了相当大的增补，并且重新安排了章节，主要增加了贝叶斯网络、 定序变量的比例优势模型、调查问卷的垃圾比例计算等，总共增加将近1/3的篇幅. 本书没有按照数学模型的分类来编排，选择的数据也不像标准教科书中的例子那样“规范”，但这正是对真实数据和现实世界的反映。本书试图让读者理解世界是复杂的，数据形式是多种多样的，必须有超越书本、
统计学
评分 8.0分
《统计学:从概念到数据分析》主要介绍了概率基础、统计的基本概念、描述性统计、估计、假设检验、回归与分类等内容，同时介绍了决策树、神经网络和随机森林等组合方法以及如何用R、SPSS、SAS等软件来实现相应的计算目标。
评分 8.8分
