高維概率及其在數(shù)據(jù)科學(xué)中的應(yīng)用
定 價(jià):79 元
叢書名:統(tǒng)計(jì)學(xué)精品譯叢
- 作者:[美] 羅曼·韋爾希寧(Roman Vershynin)
- 出版時(shí)間:2020/5/1
- ISBN:9787111652090
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類:TP274
- 頁(yè)碼:0
- 紙張:
- 版次:1
- 開本:16K
本書全面介紹高維概率的理論、關(guān)鍵工具和現(xiàn)代應(yīng)用,涵蓋Hoeffding不等式和Chernoff不等式等經(jīng)典結(jié)果以及Matrix Bernstein不等式等現(xiàn)代發(fā)展,還介紹了基于隨機(jī)過(guò)程的強(qiáng)大方法,包括Slepian、Sudakov和Dudley不等式等工具,以及基于VC維數(shù)的通用鏈和界。全書使用了大量插圖,包括協(xié)方差估計(jì)、聚類、網(wǎng)絡(luò)、半定規(guī)劃、編碼、降維、矩陣補(bǔ)全、機(jī)器學(xué)習(xí)、壓縮感知以及稀疏回歸的經(jīng)典和現(xiàn)代結(jié)果。
本書贊譽(yù)
序言
前言
第0章 預(yù)備知識(shí):用概率覆蓋一個(gè)幾何集1
0.1 后注3
第1章 隨機(jī)變量的預(yù)備知識(shí)4
1.1 隨機(jī)變量的數(shù)字特征4
1.2 一些經(jīng)典不等式5
1.3 極限理論7
1.4 后注8
第2章 獨(dú)立隨機(jī)變量和的集中9
2.1 集中不等式的由來(lái)9
2.2 霍夫丁不等式11
2.3 切爾諾夫不等式14
2.4 應(yīng)用:隨機(jī)圖的度數(shù)16
2.5 次高斯分布17
2.6 廣義霍夫丁不等式和辛欽不等式22
2.7 次指數(shù)分布24
2.8 伯恩斯坦不等式28
2.9 后注30
第3章 高維空間的隨機(jī)向量32
3.1 范數(shù)的集中32
3.2 協(xié)方差矩陣與主成分分析法34
3.3 高維分布舉例38
3.4 高維次高斯分布42
3.5 應(yīng)用:Grothendieck不等式與半正定規(guī)劃46
3.6 應(yīng)用:圖的最大分割50
3.7 核技巧與Grothendieck不等式的改良52
3.8 后注55
第4章 隨機(jī)矩陣57
4.1 矩陣基礎(chǔ)知識(shí)57
4.2 網(wǎng)、覆蓋數(shù)和填充數(shù)61
4.3 應(yīng)用:糾錯(cuò)碼64
4.4 隨機(jī)次高斯矩陣的上界67
4.5 應(yīng)用:網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)70
4.6 次高斯矩陣的雙側(cè)界74
4.7 應(yīng)用:協(xié)方差估計(jì)與聚類算法75
4.8 后注78
第5章 沒有獨(dú)立性的集中80
5.1 球面上利普希茨函數(shù)的集中80
5.2 其他度量空間的集中85
5.3 應(yīng)用:Johnson-Lindenstrauss引理89
5.4 矩陣伯恩斯坦不等式92
5.5 應(yīng)用:用稀疏網(wǎng)絡(luò)進(jìn)行社區(qū)發(fā)現(xiàn)98
5.6 應(yīng)用:一般分布的協(xié)方差估計(jì)99
5.7 后注101
第6章 二次型、對(duì)稱化和壓縮103
6.1 解耦103
6.2 Hanson-Wright不等式106
6.3 各向異性隨機(jī)向量的集中109
6.4 對(duì)稱化110
6.5 元素不是獨(dú)立同分布的隨機(jī)矩陣112
6.6 應(yīng)用:矩陣補(bǔ)全114
6.7 壓縮原理116
6.8 后注118
第7章 隨機(jī)過(guò)程119
7.1 基本概念與例子119
7.2 Slepian不等式122
7.3 高斯矩陣的精確界127
7.4 Sudakov最小值不等式129
7.5 高斯寬度131
7.6 穩(wěn)定維數(shù)、穩(wěn)定秩和高斯復(fù)雜度135
7.7 集合的隨機(jī)投影137
7.8 后注140
第8章 鏈142
8.1 Dudley不等式142
8.2 應(yīng)用:經(jīng)驗(yàn)過(guò)程148
8.3 VC維數(shù)152
8.4 應(yīng)用:統(tǒng)計(jì)學(xué)習(xí)理論161
8.5 通用鏈166
8.6 Talagrand優(yōu)化測(cè)度和比較定理169
8.7 Chevet不等式170
8.8 后注172
第9章 隨機(jī)矩陣的偏差與幾何結(jié)論174
9.1 矩陣偏差不等式174
9.2 隨機(jī)矩陣、隨機(jī)投影及協(xié)方差估計(jì)179
9.3 無(wú)限集上的Johnson-Lindenstrauss引理181
9.4 隨機(jī)截面:M界和逃逸定理183
9.5 后注186
第10章 稀疏恢復(fù)187
10.1 高維信號(hào)恢復(fù)問(wèn)題187
10.2 基于M界的信號(hào)恢復(fù)188
10.3 稀疏信號(hào)的恢復(fù)189
10.4 低秩矩陣的恢復(fù)192
10.5 精確恢復(fù)和RIP194
10.6 稀疏回歸的Lasso算法199
10.7 后注203
第11章 Dvoretzky-Milman定理204
11.1 隨機(jī)矩陣關(guān)于一般范數(shù)的偏差204
11.2 Johnson-Lindenstrauss嵌入和更精確的Chevet不等式206
11.3 Dvoretzky-Milman定理208
11.4 后注211
練習(xí)提示212
參考文獻(xiàn)217
索引226