Applied Multivariate Statistical Analysis 6E【课后习题答案】

应用多元统计分析,做机器视觉，计算机视觉的朋友应该会用到

关于多元统计的基础教科书： Applied Multivariate Statistical Analysis (5th Ed.) by Richard A. Johnsonand Dean W. Wichern 。这本书没有特别追求数学上的深度，而是以通俗易懂的方式讲述主要的基本概念，读起来很舒服，内容也很实用。对于Linear regression,factor analysis,principal component analysis (PCA), andcanonical component analysis (CCA)这些Learning中的基本方法也展开了初步的论述。 之后就可以进一步深入学习贝叶斯统计和Graphical models。

Gradient-Based Learning Applied to Document Recognition.pdf

通过PyTorch应用深度学习 机器学习正Swift成为解决数据问题的首选方法，这归功于种类繁多的数学算法可以找到模式，而这些模式对于我们而言是不可见的。 通过PyTorch进行的应用深度学习使您对深度学习，其算法及其应用有了更高的了解。 本课程首先帮助您浏览深度学习和PyTorch的基础知识。 一旦您精通PyTorch语法并能够构建单层神经网络，您将通过配置和训练卷积神经网络（CNN）进行图像分类，逐步学习解决更复杂的数据问题。 在阅读本章的过程中，您将发现如何通过实现递归神经网络（RNN）解决NLP问题。 在本课程结束时，您将能够应用在学习过程中积累的技能和信心，使用PyTorch来构

Applied Research on Customer's Consumption Behavior

这是一本专注于预测建模的数据分析书，意在为实践者提供预测建模过程的指导，比如如何进行数据预处理、模型调优、预测变量重要性度量、变量选择等。读者可以从中学到许多建模方法以及提高对许多常用的、现代的有效模型的认识，如线性回归、非线性回归和分类模型，涉及树方法、支持向量机等。第10章和第17章分别研究混凝土混合物的抗压强度和作业调度两个案例。 　　作者重实际应用，轻数学理论，从实际数据出发，结合开源软件R语言来求解实际问题，详细给出R代码和处理的步骤。R包AppliedPredictiveModeling包含书中使用的数据，以及可以用于重复书中每一章分析的R代码，让读者能在一定精度范围内重复本书的结果，并自然地将书中的预测建模方法应用到自己的数据上。章后附有习题，方便读者巩固所学。 　　这本业界互相推荐的好书，适合所有数据分析人员阅读。

deep learning 三位大神Yann Lecun 、Y. Bengio 、Patrick Haffner联合发表的论文

应用数据科学界 该笔记本将主要用于顶峰项目 嗨，这是乔希（Josh）创建的新行