本书创新性地将复杂数据分为小样本和大样本两种情形开展研究：针对小样本复杂数据预测问题，以经典的非季节性数据、季节性数据和前沿的成分数据为出发点，建立了适用于不同数据类型的系列灰色预测模型，主要包括面向小样本信息迭代驱动数据的灰色预测模型、面向小样本信息振荡季节数据的灰色预测模型、面向小样本信息映射成分数据的灰色预测模型，并分别应用于空气污染预测、海洋酸化预测以及生物能源发电结构预测；针对大样本复杂数据预测问题，以传统的点值数据、新兴的区间型数据和热门的混频数据为出发点，建立了适用于不同数据类型的智能预测模型，主要包括面向传统点值数据的时间序列预测模型、面向区间型大数据的时间序列预测模型、面向混频大数据的时间序列预测模型，并分别应用于空气质量指数预测、碳市场价格预测以及风速预测。

本书创新性地将复杂数据分为小样本和大样本两种情形开展研究：针对小样本复杂数据预测问题，以经典的非季节性数据、季节性数据和前沿的成分数据为出发点，建立了适用于不同数据类型的系列灰色预测模型，主要包括面向小样本信息迭代驱动数据的灰色预测模型、面向小样本信息振荡季节数据的灰色预测模型、面向小样本信息映射成分数据的灰色预测模型，并分别应用于空气污染预测、海洋酸化预测以及生物能源发电结构预测；针对大样本复杂数据预测问题，以传统的点值数据、新兴的区间型数据和热门的混频数据为出发点，建立了适用于不同数据类型的智能预测模型，主要包括面向传统点值数据的时间序列预测模型、面向区间型大数据的时间序列预测模型、面向混频大数据的时间序列预测模型，并分别应用于空气质量指数预测、碳市场价格预测以及风速预测。

本书比较全面地介绍了演化多目标优化与智能计算相关的基本理论、方法、以及作者团队在演化多目标优化与智能计算领域过去近十年的主要研究成果。全书共12章，第1-2章主要内容为简单介绍多目标优化的问题、基本概念和复杂多目标优化和智能计算问题相关的基础知识；第3-7章主要介绍了作者提出的一些先进的演化多目标优化算法以及相关应用；8-12章主要介绍了演化多目标优化与智能计算系统更深度的结合，如解决复杂的无监督聚类问题、面向图像分类问题的深度神经网络架构搜索、以及基于贝叶斯优化的数据驱动策略来处理不确定性问题。

更多科学出版社服务，请扫码获取。

本书比较全面地介绍了演化多目标优化与智能计算相关的基本理论、方法、以及作者团队在演化多目标优化与智能计算领域过去近十年的主要研究成果。全书共12章，第1-2章主要内容为简单介绍多目标优化的问题、基本概念和复杂多目标优化和智能计算问题相关的基础知识；第3-7章主要介绍了作者提出的一些先进的演化多目标优化算法以及相关应用；8-12章主要介绍了演化多目标优化与智能计算系统更深度的结合，如解决复杂的无监督聚类问题、面向图像分类问题的深度神经网络架构搜索、以及基于贝叶斯优化的数据驱动策略来处理不确定性问题。

更多科学出版社服务，请扫码获取。

《应用回归及分类》第一版自2016年出版以来，经过两版的沉淀，已经成为一本全面介绍回归和分类方法的权威教材，它涵盖了从传统统计学到现代机器学习的各种内容。本书旨在为读者提供一套完整、系统的数据分析工具和方法，帮助他们更好地理解和应用回归及分类技术。
1.在回归方面：本书详细介绍了经典线性回归和广义线性模型，这些模型是回归分析的基础，适用于各种实际问题的建模和预测。此外，本书还深入探讨了纵向数据（分层模型）的处理方法，为读者提供了处理复杂数据结构的有效手段。
2. 在机器学习回归方法方面：本书涵盖了决策树、bagging、随机森林、mboost、人工神经网络、支持向量机、k最近邻方法等多种技术。这些方法在现代数据分析中得到了广泛应用，具有强大的预测能力和灵活性。通过本书的学习，读者将能够熟练掌握这些方法的原理和应用技巧。
3.在分类方面：本书首先介绍了经典判别分析与logistic回归分类方法，这些方法在分类问题中具有重要地位。随后，本书深入探讨了机器学习分类方法，包括决策树、bagging、随机森林、adaboost、人工神经网络、支持向量机、k最近邻方法等。这些方法在处理复杂分类问题时具有显著优势，能够帮助读者提高分类准确性和效率。

《应用回归及分类》第一版自2016年出版以来，经过两版的沉淀，已经成为一本全面介绍回归和分类方法的权威教材，它涵盖了从传统统计学到现代机器学习的各种内容。本书旨在为读者提供一套完整、系统的数据分析工具和方法，帮助他们更好地理解和应用回归及分类技术。
1.在回归方面：本书详细介绍了经典线性回归和广义线性模型，这些模型是回归分析的基础，适用于各种实际问题的建模和预测。此外，本书还深入探讨了纵向数据（分层模型）的处理方法，为读者提供了处理复杂数据结构的有效手段。
2. 在机器学习回归方法方面：本书涵盖了决策树、bagging、随机森林、mboost、人工神经网络、支持向量机、k最近邻方法等多种技术。这些方法在现代数据分析中得到了广泛应用，具有强大的预测能力和灵活性。通过本书的学习，读者将能够熟练掌握这些方法的原理和应用技巧。
3.在分类方面：本书首先介绍了经典判别分析与logistic回归分类方法，这些方法在分类问题中具有重要地位。随后，本书深入探讨了机器学习分类方法，包括决策树、bagging、随机森林、adaboost、人工神经网络、支持向量机、k最近邻方法等。这些方法在处理复杂分类问题时具有显著优势，能够帮助读者提高分类准确性和效率。

本书是一本由张宇主编的考研数学图书，书中特别强调全面贯彻数学基本功的训练，明确给出考研大纲中规定的所有考试目标。所有的问题都是按照考试要求，并在考纲内提出，同时又符合近年来考研试题命题新颖的风格。考研数学重要考点、重点题型全覆盖，给出相应的题型对考点进行具体阐述，并适当配以注释和批注，说明考试中常考的方式和易出现的错误，最后给出习题供考生加强对知识点的理解和对做题技巧的把握。这样循序渐进，让考生在暑期强化阶段对数学知识从懵懂到融会贯通。

本书是一本由张宇主编的考研数学图书，书中特别强调全面贯彻数学基本功的训练，明确给出考研大纲中规定的所有考试目标。所有的问题都是按照考试要求，并在考纲内提出，同时又符合近年来考研试题命题新颖的风格。考研数学重要考点、重点题型全覆盖，给出相应的题型对考点进行具体阐述，并适当配以注释和批注，说明考试中常考的方式和易出现的错误，最后给出习题供考生加强对知识点的理解和对做题技巧的把握。这样循序渐进，让考生在暑期强化阶段对数学知识从懵懂到融会贯通。

本书介绍了概率论与数理统计的基本概念、基本理论和基本方法，内容包括：随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征与极限定理、数理统计的基本概念、参数估计、假设检验、回归分析与方差分析.每章均配有习题，并补充了近年来的硕士研究生招生考试试题，书末附有习题参考答案，供学生学习时参考.本书可以作为综合大学及师范类高等院校非数学专业概率论与数理统计课程的教材，也可供工程技术人员参考.

本书介绍了概率论与数理统计的基本概念、基本理论和基本方法，内容包括：随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征与极限定理、数理统计的基本概念、参数估计、假设检验、回归分析与方差分析.每章均配有习题，并补充了近年来的硕士研究生招生考试试题，书末附有习题参考答案，供学生学习时参考.本书可以作为综合大学及师范类高等院校非数学专业概率论与数理统计课程的教材，也可供工程技术人员参考.

《Origin数据分析、科技绘图与可视化从入门到精通》以Origin Pro 2024b中文版为软件平台，结合作者多年的数据分析经验，通过大量科研场景下的应用实例，详细介绍Origin在科研数据处理与科学数据可视化中的使用方法与技巧。全书共11章，第1～3章主要讲解Origin的基础知识，包括Origin的操作界面、文件管理、工作簿与工作表管理、绘图基础等；第4～7章主要讲解科技绘图相关内容，包括图形的绘制、自定义绘图、图形管理与注释、图形布局管理与输出等；第8～9章结合Origin数据处理与统计分析功能，分别讲解数值计算、数据处理、曲线拟合、信号处理、描述性统计、假设检验、方差分析等内容；第10章讲解Origin与其他软件交互使用；第11章讲解综合案例。阅读《Origin数据分析、科技绘图与可视化从入门到精通》，可以帮助读者快速掌握Origin的应用技巧，从而更好地处理和分析科研数据。
《Origin数据分析、科技绘图与可视化从入门到精通》既可以作为科研人员、工程师的数据分析工具书，也可以作为高等院校相关专业师生的参考用书。

《Origin数据分析、科技绘图与可视化从入门到精通》以Origin Pro 2024b中文版为软件平台，结合作者多年的数据分析经验，通过大量科研场景下的应用实例，详细介绍Origin在科研数据处理与科学数据可视化中的使用方法与技巧。全书共11章，第1～3章主要讲解Origin的基础知识，包括Origin的操作界面、文件管理、工作簿与工作表管理、绘图基础等；第4～7章主要讲解科技绘图相关内容，包括图形的绘制、自定义绘图、图形管理与注释、图形布局管理与输出等；第8～9章结合Origin数据处理与统计分析功能，分别讲解数值计算、数据处理、曲线拟合、信号处理、描述性统计、假设检验、方差分析等内容；第10章讲解Origin与其他软件交互使用；第11章讲解综合案例。阅读《Origin数据分析、科技绘图与可视化从入门到精通》，可以帮助读者快速掌握Origin的应用技巧，从而更好地处理和分析科研数据。
《Origin数据分析、科技绘图与可视化从入门到精通》既可以作为科研人员、工程师的数据分析工具书，也可以作为高等院校相关专业师生的参考用书。