网络数据的统计分析：R语言实践 [Statistical Analysis of Network Data with R] 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　互联网、社交网络、病毒营销等事物已经为大众所熟知，网络充斥着我们日常生活的各个方面。在这样的背景下，网络分析成为了定量科学发展快的领域之一，其起源可以追溯至20世纪30年代的社会网络分析以及几个世纪前的图论研究。网络研究离不开对数据的度量与分析，因此统计方法在网络分析中发挥着重要作用。在网络研究的相关书籍中，《网络数据的统计分析：R语言实践》首次采用了这种统计视角。从基本的数据操作和网络可视化，到概括网络的特征，再到对网络数据建立模型，《网络数据的统计分析：R语言实践》用丰富的案例说明了如何利用多个R语言扩展包进行各类网络分析。R语言扩展包igraph提供了大量用于网络分析的功能，书中以其作为主要的工具。

作者简介

　　Eric D. Kolaczyk是波士顿大学数学与统计系的统计学教授与统计学项目负责人，同时是生物信息学项目、系统工程方向以及计算神经科学项目的教职人员。他撰写的以网络为主题的著作不仅发展了统计学的方法与理论，还涵盖了探测计算机网络上的匿名流量模式，预测蛋白质相互作用网络中的生物功能，以及刻画社会网络中行动者群体影响等应用性的工作。他是美国统计协会（American Statistical Association，简称ASA）会士，也是电气和电子工程师协会(Institute of Electrical and Electronics Engineers，简称IEEE)高级会员。
　　
　　Gabor Cs5rdi是美国哈佛大学统计系的研究助理，获匈牙利罗兰大学计算机科学博士学位。他的研究包括网络分析在生物学与社会科学中的应用，生物信息学与计算生物学，以及图论算法等。他于2005年创建了igraph扩展包，此后一直是主要的开发者之一。

内页插图

目录

译者序
前言
作者简介

第1章 引言
1．1 为什么研究网络？
1．2 网络分析的类型
1． 2．1．网络可视化与特征化
1．2．2 网络建模与推断
1．2．3 网络过程
1．3 为什么使用R进行网络分析？
1．4 关于本书
1．5 关于本书的R语言代码

第2章 操作网络数据
2．1 概述
2．2 创建网络图
2．2．1 无向图和有向图
2．2．2 图的表示
2．2．3 图的操作
2．3 网络图的修饰
2．3．1 节点、边和图的属性
2．3．2 使用数据框
2．4 关于图
2．4．1 图的基本概念
2．4．2 特殊类型的图
2．5 参考读物

第3章 网络数据可视化
3．1 概述
3．2 图可视化的基本元素
3．3 图的布局
3．4 修饰图的布局
3．5 大型网络可视化
3．6 使用R之外的可视化工具
3．7 参考读物

第4章 网络图特征的描述性分析
4．1 概述
4．2 节点和边的特征
4．2．1 节点度
4．2．2 节点中心性
4．2．3 边的特征
4．3 网络的凝聚性特征
4．3．1 子图与普查
4．3．2 密度与相对频率
4．3．3 连通性、割与流
4．4 图分割
． 4．4．1 层次聚类
4．4．2 谱分割
4．4．3 图分割的验证
4．5 同配性与混合
4．6 参考读物

第5章 网络图的数学模型
5．1 概述
5．2 经典随机图模型
5．3 广义随机图模型
5．4 基于机制的网络图模型
5．4．1 小世界模型
5．4．2 优先连接模型
5．5 评估网络图特征的显著性
5．5．1 评估网络社团数量
5．5．2 评估小世界性
5．6 参考读物

第6章 网络图的统计模型
6．1 概述
6．2 指数随机图模型
6．2．1 一般形式
6．2．2 模型界定
6．2．3 模型拟合
6．2．4 拟合优度
6．3 网络块模型
6．3．1 模型界定
6．3．2 模型拟合
6．3．3 拟合优度
6．4 潜变量网络模型
6．4．1 一般形式
6．4．2 界定潜变量效应
6．4．3 模型拟合
6．4．4 拟合优度
6．5 参考读物

第7章 网络拓扑结构推断
7．1 概述
7．2 链路预测
7．3 关联网络推断
7．3．1 相关网络
7．3．2 偏相关网络
7．3．3 i亩斯图模型网络
7．4 网络的层析拓扑结构推断
7．4．1 约束问题：树拓扑结构
7．4．2 树拓扑结构的层析推断示例．
7．5 参考读物

第8章 网络图上的过程建模与预测
8．1 概述
8．2 最近邻方法
8．3 马尔科夫随机场
8．3．1 一般形式
8．3．2 自逻辑模型
8．3．3 自逻辑模型的推断与预测
8．3．4 拟合优度
8．4 核方法
8．4．1 设计图上的核函数
8．4．2 图上的核回归
8．5 动态过程的建模与预测
8．5．1 传染病过程示例
8．6 参考读物

第9章 网络流数据分析
9．1 概述
9．2 网络流建模：引力模型
9．2．1 模型界定
9．2．2 引力模型的推断
9．3 网络流的预测：流量矩阵估计
9．3．1 不适定逆问题
9．3．2 层析引力方法
9．4 参考读物

第10章 动态网络
10．1 概述
10．2 动态网络的表示与操作
10．3 动态网络的可视化
10．4 动态网络的特征化
10．5 动态网络建模

参考文献
索引
彩图节选

前言/序言

　　网络和网络分析无疑是近年来定量科学进展大的领域之一。虽然作为领域起源的社会网络分析可以追溯至20世纪30年代，图论研究可以上溯几个世纪，但“网络科学”领域的迅速崛起与普及只是近10到15年的事情。通过我们熟悉的互联网、社交网络、病毒营销等途径，网络已经渗透到日常生活的方方面面，而不仅仅是一个研究领域或者一种研究方法了。数据的度量与分析是网络研究的重要组成部分。因此，在实际应用、研究方法以及理论发展方面，网络分析都很需要或简或繁的各类统计方法。与其他统计学分支一样，网络分析同时包括描述性和推断性的统计方法。使用这些方法可以完成与网络有关的各种任务，包括基本的网络结构可视化与特征化，对网络拓扑的采样、建模与推断，以及对网络上的静态和动态过程进行建模和预测。

　　当前已经有很多可以进行网络分析的软件，横跨各种平台、编程语言和使用环境。毫无疑问，R语言社区在网络数据统计分析软件的开发上尤其活跃。写作本书时，已经有几十个具有某些网络分析功能的R扩展包了。它们可以共同完成网络分析的各类任务：从标准的网络数据操作、可视化与特征化（如igraph、network和sna扩展包），到网络建模（如igraph，eigenmodel、ergm和mixer扩展包），再到对网络拓扑的推断（如glasso和huge扩展包）。除此之外，R的基本扩展包还提供了大量其他的分析工具和函数。

　　本书的写作目的是为网络数据的统计分析提供一种使用R语言的、简单易得的入门课程。因此，本书既不是涉及的各种R扩展包的使用手册，也不打算介绍所涉及主题的详尽概念和技术基础。相反，我们希望在这两者之间寻找一个平衡，并且在阅读体验的基础上，采用（希望是！）最简洁的程度来组织文字。相应地，我们预计本书会被以下人群使用：（1）希望开展网络数据统计分析的统计学者，无论是作为研究方向还是与他人合作，且希望继续使用R作为分析工具；（2）来自类似定量领域（如计算机科学、统计物理、经济学等）的复杂网络研究者，无论对统计是否熟悉，希望较快掌握R语言中的网络数据统计分析方法；（3）应用领域的实践者，希望涉足与某些特定应用相关的网络分析方法。

网络数据的统计分析：R语言实践 [Statistical Analysis of Network Data with R] 下载 mobi epub pdf txt 电子书 格式

评分☆☆☆☆☆

还可以。。。。。

评分☆☆☆☆☆

包装还不错，质量也没得说，关键是快递小哥的态度相当好

评分☆☆☆☆☆

可以

评分☆☆☆☆☆

可以

评分☆☆☆☆☆

赶上两百减一百还是比较划算的，屯着慢慢看

评分☆☆☆☆☆

京东买书很方便

评分☆☆☆☆☆

买来学习r软件，写毕业论文

评分☆☆☆☆☆

还可以。。。。。

评分☆☆☆☆☆

京东快递就是快，信任京东！

类似图书 点击查看全场最低价