粒子物理学中的统计分析技术

Ilya+Narsky

随着计算技术的发展，科学研究的方法也出现了一些新的可能性。首先是“计算机计算”本身变成了一种进行科学探索的手段，而随着大数据技术的兴起，“数据分析”也逐渐成为科学研究中的重要手段。回顾物理学发展史，“数据分析”技术正在扮演着越来越重要的角色。因此，从某种角度来看，数据挖掘、机器学习等技术本身并不是计算机科学领域独有的，可以说任何需要对数据进行分析的领域都会涉及到。本书的两位作者都是物理学教授，他们希望借助这本书将机器学习的基本理论与粒子物理学中的数据分析结合在一起介绍给相关的研究人员。

全书分为20章：1.引言，为什么写这本书以及如何阅读；2.参数化似然拟合；3.拟合优度检验；4.重采样技术；5.密度估计；6.机器学习中的基本概念和定义；7.数据预处理；8.线性变换及维度约减；9.分类理论介绍；10.分类器性能；11.线性和二次判别分析，Logistic回归，以及偏最小二乘回归；12.神经网络；13.局部学习及核分解；14.决策树；15.集成学习；16.将多分类转化为二分类；17.如何选择正确的分类器以及如何正确应用；18.变量排序和选择的方法；19.多维数据中的块搜索；20.机器学习中的软件包。

本书的两位作者都有很强的统计学和物理学方面的背景，并且都在加州理工学院从事过粒子物理的研究。目前第一作者在著名的数据分析软件MathWorks公司担任软件开发工程师。本书不仅对机器学习的基本理论作了系统的介绍，还结合了粒子物理学中很多真实的研究问题，非常适合相关的研究人员阅读。

张志斌，副研究员

endprint