机器学习与数据科学 基于R的统计学习方法

　　第1章　机器学习综述 1
　　1．1　机器学习的分类　2
　　1．2　机器学习的实际案例　3
　　1．2．1　预测回头客挑战赛　4
　　1．2．2　Netflix公司　5
　　1．2．3　算法交易挑战赛　6
　　1．2．4　Heritage健康奖　7
　　1．3　机器学习的过程　10
　　1．4　机器学习背后的数学　15
　　1．5　成为一名数据科学家　16
　查看完整　　

　　Daniel D. Gutierrez是一位在职的数据科学家，就职于加州Santa Monica的咨询公司AMULET Analytics。为了紧跟行业的潮流，Daniel也是insideBIGDATA.com的执行编辑。同时，他也是一位教师，为大学和大型公司开设了数据科学、机器学习和R方面的课程。Deniel本科毕业于UCLA,专业是数学和计算机科学。

　　当前，机器学习和数据科学都是很重要和热门的相关学科，需要深入地研究学习才能精通。
　　本书试图指导读者掌握如何完成涉及机器学习的数据科学项目。本书将为数据科学家提供一些在统计学习领域会用到的工具和技巧，涉及数据连接、数据处理、探索性数据分析、监督机器学习、非监督机器学习和模型评估。本书选用的是R统计环境，书中所有代码示例都是用R语言编写的，涉及众多流行的R包和数据集。
　　本书适合数据科学家、数据分析师、软件开发者以及需要了解数据科学和机器学习方法的科研人员阅读参考。

　　第1章　机器学习综述 1
　　1．1　机器学习的分类　2
　　1．2　机器学习的实际案例　3
　　1．2．1　预测回头客挑战赛　4
　　1．2．2　Netflix公司　5
　　1．2．3　算法交易挑战赛　6
　　1．2．4　Heritage健康奖　7
　　1．3　机器学习的过程　10
　　1．4　机器学习背后的数学　15
　　1．5　成为一名数据科学家　16
　　1．6　统计计算的R工程　18
　　1．7　RStudio　19
　　1．8　使用R包　20
　　1．9　数据集　22
　　1．10　在生产中使用R　23
　　1．11　小结　24
　　第2章　连接数据　25
　　2．1　管理你的工作目录　27
　　2．2　数据文件的种类　28
　　2．3　数据的来源　28
　　2．4　从网络中下载数据集　29
　　2．5　读取CSV文件　31
　　2．6　读取Excel文件　33
　　2．7　使用文件连接　34
　　2．8　读取JSON文件　35
　　2．9　从网站中抓取数据　36
　　2．10　SQL数据库　38
　　2．11　R中的SQL等价表述　42
　　2．12　读取Twitter数据　46
　　2．13　从谷歌分析中读取数据　48
　　2．14　写数据　51
　　2．15　小结　53
　　第3章　数据处理　54
　　3．1　特征工程　57
　　3．2　数据管道　59
　　3．3　数据采样　60
　　3．4　修正变量名　60
　　3．5　创建新变量　62
　　3．6　数值离散化　63
　　3．7　日期处理　65
　　3．8　将类变量二值化　67
　　3．9　合并数据集　68
　　3．10　排列数据集　70
　　3．11　重塑数据集　71
　　3．12　使用dplyr进行数据操作　72
　　3．13　处理缺失数据　75
　　3．14　特征缩放　77
　　3．15　降维　78
　　3．16　小结　81
　　第4章　探索性数据分析　83
　　4．1　数据统计　84
　　4．2　探索性可视化　87
　　4．3　直方图　88
　　4．4　箱形图　89
　　4．5　条形图　92
　　4．6　密度图　93
　　4．7　散点图　95
　　4．8　QQ图　101
　　4．9　热图　102
　　4．10　缺失值的图表　103
　　4．11　解释性图表　104
　　4．12　小结　106
　　第5章　回归　107
　　5．1　一元线性回归　108
　　5．2　多元线性回归　120
　　5．3　多项式回归　127
　　5．4　小结　134
　　第6章　分类　136
　　6．1　一个简单的例子　137
　　6．2　逻辑回归　139
　　6．3　分类树　143
　　6．4　朴素贝叶斯　147
　　6．5　K-最近邻　151
　　6．6　支持向量机　155
　　6．7　神经网络　159
　　6．8　集成　165
　　6．9　随机森林　168
　　6．10　梯度提升机　171
　　6．11　小结　174
　　第7章　评估模型性能　176
　　7．1　过拟合　177
　　7．2　偏差和方差　183
　　7．3　干扰因子　187
　　7．4　数据泄漏　188
　　7．5　测定回归性能　190
　　7．6　测定分类性能　194
　　7．7　交叉验证　197
　　7．8　其他机器学习诊断法　204
　　7．8．1　获取更多的训练观测数据　205
　　7．8．2　特征降维　205
　　7．8．3　添加新特征　205
　　7．8．4　添加多项式特征　206
　　7．8．5　对正则化参数进行微调　206
　　7．9　小结　206
　　第8章　非监督学习　208
　　8．1　聚类　209
　　8．2　模拟聚类　211
　　8．3　分级聚类　212
　　8．4　K-均值聚类　219
　　8．5　主成分分析　224
　　8．6　小结　233
　　术语表　234
^ 收 起　　

　　Daniel D. Gutierrez是一位在职的数据科学家，就职于加州Santa Monica的咨询公司AMULET Analytics。为了紧跟行业的潮流，Daniel也是insideBIGDATA.com的执行编辑。同时，他也是一位教师，为大学和大型公司开设了数据科学、机器学习和R方面的课程。Deniel本科毕业于UCLA,专业是数学和计算机科学。

　　当前，机器学习和数据科学都是很重要和热门的相关学科，需要深入地研究学习才能精通。
　　本书试图指导读者掌握如何完成涉及机器学习的数据科学项目。本书将为数据科学家提供一些在统计学习领域会用到的工具和技巧，涉及数据连接、数据处理、探索性数据分析、监督机器学习、非监督机器学习和模型评估。本书选用的是R统计环境，书中所有代码示例都是用R语言编写的，涉及众多流行的R包和数据集。
　　本书适合数据科学家、数据分析师、软件开发者以及需要了解数据科学和机器学习方法的科研人员阅读参考。