本書介紹統計計算與智能分析基礎理論以及基于Python的模型算法實現。全書由13章組成，主要內容有：隨機數生成技術；數據探索性分析；特征提取與選擇方法；期望算法；Markov鏈蒙特卡羅方法；重采樣技術；重要采樣技術；序貫重要性采樣；非參數概率密度估計；非參數回歸分析；樹模型理論；概率圖模型；模型性能評價技術。
燕雪峰，男，1974年4月出生，江蘇泰興人。2005年3月于北京理工大學獲計算機應用技術專業工學博士。南京航空航天大學計算機科學與技術學院教授，博士生導師，副院長，江蘇省六大人才高峰。長期從事面向領域的復雜裝備系統工程方法論研究及應用、復雜體系建模與評估工作。承擔與本書相關的國家重點研發計劃課題、國防基礎科研重點項目、裝發重點項目和一般項目8項。相關研究發行英文專著一部，近5來在國內外期刊、會議上發表論文30余篇，其中SCI 5篇，CCF會議論文和EI期刊論文10余篇，重要核心論文5篇。先后獲國防科工局科技進步獎二等獎、江蘇省級教改一等獎。
第 1章 隨機數生成技術..............................................................1
1.1標準分布的隨機數生成 ....................................................... 1
1.1.1連續型隨機變量仿真生成 ...................................................2
1.1.2離散型隨機變量仿真生成 ..................................................10
1.2非標準分布的隨機數生成 ................................................... 14
1.2.1逆變換法 ............................................................... 14
1.2.2接受-拒絕法與自適應拒絕法 ............................................... 16
1.2.3組合法 ................................................................. 22
1.3隨機過程的隨機數生成 ......................................................26
1.3.1馬爾可夫過程仿真生成....................................................27
1.3.2泊松過程仿真生成 ....................................................... 31
1.3.3維納過程仿真生成 ....................................................... 35
1.4基于變分自編碼器模型的數據生成 .......................................... 36
1.4.1 VAE模型基本思想.......................................................37
1.4.2變分自編碼器模型 ....................................................... 37
1.5基于生成式對抗網絡的數據生成 .............................................46
1.5.1 GANs的基本原理 ....................................................... 46
1.5.2 GANs理論推導 ......................................................... 48
1.5.3 GANs算法的近優算法 ................................................... 53
1.6習題 ........................................................................ 57
第 2章 探索性數據分析 ............................................................ 61
2.1一維探索性數據分析 ........................................................ 61
2.1.1匯總統計量 ............................................................. 62
2.1.2直方圖 ................................................................. 65
2.1.3莖葉圖 ................................................................. 66
2.1.4箱線圖 ................................................................. 68
2.1.5正態概率圖 ............................................................. 70
2.1.6 Q-Q圖 .................................................................72
2.2多維探索性數據分析 ........................................................ 75
2.2.1多屬性統計量 ........................................................... 75
2.2.2散點圖 ................................................................. 77
2.2.3邊緣直方圖 ............................................................. 83
2.2.4邊緣箱形圖 ............................................................. 84
2.2.5成對圖 ................................................................. 86
2.2.6 Box-Cox線性變換圖 ..................................................... 87
2.2.7自相關圖和偏自相關圖....................................................90
2.2.8交叉相關圖 .............................................................94
2.2.9滯后圖 ................................................................. 95
2.3習題 ........................................................................ 97
第 3章 特征提取與選擇方法 .......................................................100
3.1特征提取方法 ..............................................................100
3.1.1主成分分析 ............................................................ 100
3.1.2因子分析 .............................................................. 109
3.1.3獨立分量分析 .......................................................... 115
3.1.4線性判別分析 .......................................................... 125
3.2時間序列的特征提取方法 .................................................. 130
3.2.1 STL分解算法 ..........................................................130
3.2.2經驗模態分解 .......................................................... 132
3.2.3奇異譜分析方法 ........................................................ 139
3.2.4小波變換 .............................................................. 143
3.3特征選擇方法 ..............................................................160
3.3.1過濾特征選擇 .......................................................... 161
3.3.2 Wrapper法 ............................................................163
3.3.3 Embedded法 .......................................................... 166
3.3.4貝葉斯統計和正則化 .................................................... 168
3.4習題 .......................................................................173
第 4章 期望算法..............................................................176
4.1從極大似然估計到 EM算法 ............................................... 176
4.2 EM算法原理與實現 ....................................................... 178
4.2.1 EM算法原理 .......................................................... 178
4.2.2 EM算法 .............................................................. 180
4.3 EM算法應用 .............................................................. 184
4.3.1 K-Means聚類算法 ......................................................184
4.3.2高斯混合模型聚類算法 .................................................. 187
4.3.3 K-Means和 GMM的關系 ............................................... 195
4.4習題 .......................................................................195
第 5章 馬爾可夫鏈蒙特卡羅方法 .................................................. 197
5.1蒙特卡羅方法引入 ......................................................... 197
5.2馬爾可夫鏈蒙特卡羅方法 .................................................. 198
5.3 Metropolis-Hastings采樣 .................................................. 200
5.3.1 Metropolis采樣算法 .................................................... 200
5.3.2 Metropolis-Hastings采樣算法 ............................................ 204
5.3.3多維 Metropolis-Hastings采樣算法 ....................................... 207
5.4 Gibbs采樣 ................................................................ 209
5.5馬爾可夫鏈蒙特卡羅方法應用 ..............................................213
5.5.1基于 MCMC的貝葉斯統計推斷...........................................213
5.5.2可逆跳轉 MCMC方法 .................................................. 215
5.6習題 .......................................................................220
第 6章 重采樣技術 ................................................................222
6.1刀切法.....................................................................222
6.1.1刀切法基本原理 ........................................................ 222
6.1.2刀切法算法與實現 ...................................................... 225
6.2自助法.....................................................................225
6.2.1自助法基本原理 ........................................................ 225
6.2.2 Rn的統計特性 ......................................................... 229
6.3重采樣技術的應用 ......................................................... 230
6.3.1 Bagging算法 .......................................................... 230
6.3.2 Boosting算法 ..........................................................237
新書資訊