Applied Predictive Modeling.2013 机器学习，数据挖掘参考资料

【2018新书】Nature-Inspired Algorithms and Applied Optimization（自然算法与应用优化）

Haberman 实用偏微分方程 with 傅里叶变换

R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由"R开发核心团队"负责开发。 R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处，这两种语言有一定的兼容性。S-PLUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说:R，是S-PLUS的一个"克隆"

利用R语言进行空间统计分析--Applied Spatial Statistics in R，ppt, 哈佛大学政治系的空间统计分析课件

Advanced Applied Deep Learning Advanced Applied Deep Learning Advanced Applied Deep Learning Advanced Applied Deep Learning

英文原版数理统计方面的绝对经典-Applied.Statistics.Using.SPSS,.STATISTICA,.MATLAB.and.R.-.Joaquim.P.Marques1.rar 没想到传这本书挺麻烦啊 大家别着急，这本书很好的，还比较新，可以取词的，希望对大家有用，我会陆续上传的

《Applied Multivariate Statistical Analysis》pdf, Wolfgang, 4th edition, 英文版

使用深度学习中的高级主题，例如优化算法，超参数调整，丢失和错误分析，以及解决训练深度神经网络时遇到的典型问题的策略。您将首先研究激活函数，主要是使用单个神经元（ReLu，Sigmoid和Swish），了解如何使用TensorFlow执行线性和逻辑回归，并选择正确的成本函数。 下一节将讨论具有多个层和神经元的更复杂的神经网络架构，并探讨权重随机初始化的问题。整章专门介绍神经网络误差分析的完整概述，给出了解决来自不同分布的方差，偏差，过度拟合和数据集的问题的示例。 Applied Deep Learning还讨论了如何在不使用除NumPy之外的任何Python库的情况下完全从头开始实现逻辑回归，让您了解TensorFlow等库如何实现快速有效的实验。包括每种方法的案例研究，以实施所有理论信息。您将发现编写优化的Python代码的技巧和窍门（例如使用NumPy进行矢量化循环）。

本书介绍了应用随机过程的现代概念，这些概念被广泛应用在工程和科学的各个领域。 为具有适当数学背景的学生开设的高级本科课程而写。