现代应用统计

作者

黄湘云

发布日期

2022年4月5日

前言

警告

Book in early development. Planned release in 202X.

本书分三大部分,分别是机器学习、贝叶斯建模和空间分析。三个部分分别依据任务类型、模型种类和数据类型展开,不同的写作出发点将呈现不一样的写作风格。应用机器学习首先需要确定任务类型,根据不同的任务选用不同的算法。贝叶斯建模从简单到复杂分频率和贝叶斯方法介绍主流的统计模型。应用空间分析方法需要根据空间数据类型(生成机理)而定,不同的生成机理将对应不同的建模和分析方法。机器学习根据任务类型分聚类、分类、回归和排序四个章节。贝叶斯建模根据模型种类分概率推理框架、线性模型、广义线性模型、分层正态模型、混合效应模型、广义可加模型、高斯过程回归、时间序列回归等八个章节。空间分析部分根据空间数据类型分点模式数据分析、点参考数据分析和区域数据分析三个章节。

环境信息

本书采用科学和技术写作排版系统 Quarto 编写,所有代码和文本混编在 qmd 格式的纯文本文件中,具有计算可重复性,即内含的 R 语言、Stan 语言和 Python 语言代码都可运行,并将计算结果插入到最终的文档中,本书使用的主要 R 包及版本信息如下:

xfun::session_info(packages = c(
  "mgcv", "glmnet", "lme4", "xgboost", "keras", "tensorflow",
  "spaMM", "sf", "stars", "terra", "spdep", "igraph", "spatstat",
  "INLA", "cmdstanr", "rstan", "brms", "ggplot2", "patchwork",
  "knitr", "rmarkdown", "rsconnect", "magick", "pdftools"
), dependencies = FALSE)
R version 4.3.3 (2024-02-29)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 22.04.4 LTS

Locale:
  LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
  LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
  LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
  LC_PAPER=en_US.UTF-8       LC_NAME=C                 
  LC_ADDRESS=C               LC_TELEPHONE=C            
  LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

Package version:
  brms_2.20.4       cmdstanr_0.7.1    ggplot2_3.5.0     glmnet_4.1.8     
  igraph_2.0.3      INLA_24.2.9       keras_2.13.0      knitr_1.45       
  lme4_1.1.35.1     magick_2.8.3      mgcv_1.9.1        patchwork_1.2.0  
  pdftools_3.4.0    rmarkdown_2.26    rsconnect_1.2.1   rstan_2.32.6     
  sf_1.0.15         spaMM_4.4.16      spatstat_3.0.7    spdep_1.3.3      
  stars_0.6.4       tensorflow_2.15.0 terra_1.7.71      xgboost_1.7.7.1  

Pandoc version: 3.1.11