数据分析简史

001/序言

007/前言

009/第1 章 开普勒拉开序幕

013/ 1.1 托勒玫的谢幕与哥白尼的登场

018/ 1.2 开普勒及其处女作《宇宙的奥秘》

022/ 1.3 开普勒与第谷的世纪合作

024/ 1.4 研究从地球开始的第二定律——面积律

027/ 1.5 研究火星轨道得到的第一定律——椭圆律

030/ 1.6 第三定律及《宇宙和谐论》横空出世

037/第2 章 统计学的早期思想

041/ 2.1 讲课风格如孔子的康令

044/ 2.2 格朗特及其《观察》

046/ 2.3 《观察》中的创新思想

049/ 2.4 后继者配第

051/ 2.5 掷骰子显明上帝的旨意

055/ 2.6 从意大利到法国

061/ 2.7 惠更斯和数学期望

063/ 2.8 雅各布·伯努利和他的《猜度术》

065/ 2.9 天才棣莫弗和他的《偶然论》

068/ 2.10 科尔莫戈罗夫与现代概率论

075/第3 章 异端贝叶斯的传世遗作

084/ 3.1 神秘的贝叶斯

086/ 3.2 正概率问题和逆概率问题

087/ 3.3 什么是条件概率

089/ 3.4 因为对称而美丽的贝叶斯定理

093/ 3.5 主观概率是什么

097/ 3.6 杰弗里斯发现地核组成

100/ 3.7 图灵破译“恩尼格码”密码机

103/ 3.8 现代精算师和贝叶斯统计学

106/ 3.9 瓦尔德和萨维奇的贝叶斯决策论

110/ 3.10 珀尔和他的贝叶斯网络

115/ 3.11 诠释思考的贝叶斯方法

125/第4 章 数学王子高斯的误差分布

129/ 4.1 最小二乘法的问世与他的主人勒让德

132/ 4.2 众人探索误差分布

135/ 4.3 数学王子高斯登场

142/ 4.4 拉普拉斯的贡献

145/ 4.5 社会物理学鼻祖——凯特勒

148/ 4.6 高尔顿提出“回归”概念

153/ 4.7 计算机视觉里用于曲线拟合的最小二乘法

163/第5 章 统计学之父皮尔逊

167/ 5.1 埃奇沃思——一位喜欢文艺的理科男

170/ 5.2 后正态分布初期世人盲目

176/ 5.3 皮尔逊用矩法导出皮尔逊曲线族

179/ 5.4 1900年诞生的x2统计量

181/ 5.5 1901年主成分分析被引入统计学

189/第6 章 第一次统计学革命

195/ 6.1 费希尔与皮尔逊令人唏嘘的争论

199/ 6.2 论战的调停者——“student”戈塞特

202/ 6.3 沿着高斯的路前进

205/ 6.4 著名的实验——“女士品茶”

209/ 6.5 费希尔用方差分析提出挑战

213/ 6.6 奈曼和艾贡·皮尔逊的合作

216/ 6.7 指数族以及广义线性模型

219/ 6.8 费希尔的又一杰作

221/ 6.9 费希尔信息量拉开统计学新篇章

231/第7 章 扎德独辟蹊径

236/ 7.1 大哲人罗素和“模糊性”

239/ 7.2 康托尔留下的“后遗症”

244/ 7.3 扎德的模糊集合

249/ 7.4 模糊逻辑之你的头发都被数算过

251/ 7.5 模糊逻辑之模糊推理入门

253/ 7.6 模糊数学与你家的洗衣机有何关系

257/ 7.7 被日本模糊数学家改造后的数据分析

267/ 7.8 模糊现象和随机现象到底不同在哪里

270/ 7.9 模糊数学与人工智能之间的联系

279/第8 章 分形统计学进驻金融领域

283/ 8.1 从早期的数学怪物谈起

288/ 8.2 芒德布罗和他的分形几何

293/ 8.3 1919年豪斯道夫提出连续空间概念

300/ 8.4 巴舍利耶开创传统金融理论

303/ 8.5 现代金融大厦

308/ 8.6 芒德布罗与棉花之谜

310/ 8.7 由尼罗河洪水谜团引出的长期记忆性

316/ 8.8 为什么分数维可以比较好地度量股票风险

318/ 8.9 分形分布能撼动正态分布吗

323/ 8.10 新的阵地：当今复杂网络研究中的幂律分布

333/第9 章 用作绩效管理的数据包络分析

341 / 9.1 数据包络分析的先驱法雷尔和思想源头帕累托

347/ 9.2 数据包络分析是一种极具特色的非参数方法

350/ 9.3 建立在线性规划理论上的数据包络分析

355/ 9.4 丹齐格与线性规划中的单纯形法

358/ 9.5 线性规划中的对偶问题

360/ 9.6 查恩斯和库珀的第一个数据包络分析模型

366/ 9.7 数据包络分析在企业绩效评价中的应用

370/ 9.8 中国学者的重大贡献

372/ 9.9 数据包络分析与传统回归方法

374/ 9.10 数据包络分析潜入数据挖掘领域

383/第10 章 不愧为“暴力美学”的计算统计

388/ 10.1 现代蒙特卡洛方法

394/ 10.2 计算统计中的蒙特卡洛方法源头

398/ 10.3 用蒙特卡洛方法求解定积分

400/ 10.4 马尔科夫的杰作

405/ 10.5 20世纪十个最重要的算法之一

406/ 10.6 马尔科夫链蒙特卡洛方法应用于贝叶斯分析

410/ 10.7 重采样方法的思想来源和孟买码头上的大批黄麻

412/ 10.8 刀切法开创近代重采样方法

415/ 10.9 埃弗隆对刀切法的再思考——自助法

418/ 10.10 埃弗隆用图展示自助法的几何图景

420/ 10.11 重采样方法是如何应用在集成学习中的

431/第11 章 辅佐人工智能的第二次统计学革命

435/ 11.1 听司马贺讲讲到底什么是“学习”

438/ 11.2 群星璀璨达特茅斯会议

443/ 11.3 感知器的诞生与“学习理论”

446/ 11.4 瓦普尼克提出的统计学习理论“高观点”

451/ 11.5 专家系统堪比行业专家

453/ 11.6 辛顿对瓦普尼克的反击

456/ 11.7 乐存与卷积神经网络

463/ 11.8 1995年瓦普尼克开创支持向量机

467/ 11.9 辛顿发起深度学习的成功逆袭

471/ 11.10 “女性化”的学习方法——转导推理

473/ 11.11 天下没有免费的午餐

474/ 11.12 通往通用人工智能之路

485/第12 章 谷歌式大数据分析

489/ 12.1 大数据确切指什么

491/ 12.2 大数据的统计限制“邦弗朗尼原理”

494/ 12.3 大数据时代重要的思维——关联规则

499/ 12.4 佩奇和布林创始谷歌网页排名算法

507/ 12.5 谷歌的广告算法

509/ 12.6 谷歌云计算之MapReduce算法

516/ 12.7 云计算后谷歌公司去向哪里

518/ 12.8 “谷歌式”科技将取代人类智慧吗

520/ 12.9 大数据对我们日常生活的影响

......(更多)