本書選擇了數(shù)據(jù)挖掘中最常用的多元統(tǒng)計(jì)分析方法, 主要包括多元統(tǒng)計(jì)圖、多元統(tǒng)計(jì)特征以及用于聚類與分類的聚類分析和判別分析、用于數(shù)據(jù)壓縮的主成分分析和因子分析、用于預(yù)測(cè)和影響因素分析的線性回歸、曲線回歸和逐步回歸等內(nèi)容, 并在論述這些方法時(shí), 以本科生可接受的基本原理和方法實(shí)現(xiàn)為主。
第1章 多元統(tǒng)計(jì)圖
1.1二元變量的散文圖
1.2三元變量的氣泡圖
1.3多元變量的雷達(dá)圖
1.4比較多變量分布的箱線圖
1.5多元統(tǒng)計(jì)圖的應(yīng)用
第2章 多元變量的統(tǒng)計(jì)特征
2.1均值向量與協(xié)方差矩陣
2.2相關(guān)系數(shù)矩陣與顯著性檢驗(yàn)
2.3偏相關(guān)系數(shù)與顯著性檢驗(yàn)
2.4多元正態(tài)分布及其參數(shù)估計(jì)
2.5正態(tài)性的識(shí)別與檢驗(yàn)
第3章 聚類分析
3.1相似性的變量
3.2系統(tǒng)聚類法
3.3K-均值聚類法
3.4類別數(shù)的確定方法
3.5類與類之間的差異性分析
第4章 判別分析
4.1模式識(shí)別與判別分析的基本原理
4.2距離判別法
4.3Bayes判別法
4.4判別方法的有效性
4.5距離判別與Bayes判別之間的關(guān)系
第5章 主成分分析
5.1主成分分析的基本原理
5.2理論主成分
5.3樣本主成分
5.4保留主成分的合理性
5.5主成分分析的應(yīng)用
第6章 因子分析
6.1因子分析的基本原理
6.2因子載荷的求解
6.3因子分析的有效性
6.4公因子得分
6.5因子分析的應(yīng)用
第7章回歸分析
7.1相關(guān)系數(shù)與一元回歸模型
7.2偏相關(guān)系數(shù)與多元回歸模型
7.3回歸診斷方法
7.4曲線回歸
7.5柯布—道路拉斯生產(chǎn)函數(shù)與建模流程
第8章 多重共線性的處理方法
8.1 多重共線性問題
8.2多重共線性的診斷
8.3主成分回歸
8.4逐步回歸分析
8.5逐步回歸法的改進(jìn)
8.6多元回歸建模流程
參考文獻(xiàn)
附錄 部分彩圖