《套路！機器學習：北美數據科學家的私房課》一書作者林薈，電子工業出版社2017年10月出版。
基本介紹
- 書名：套路！機器學習：北美數據科學家的私房課
- 作者：林薈
- ISBN：978-7-121-32658-5
- 頁數：332頁
- 定價：68.00元
- 出版社：電子工業出版社
- 出版時間：2017年10月出版
- 開本：16開
內容簡介,目錄,
內容簡介
數據科學家目前是北美最熱門的職業之一，平均年薪突破10萬美元。但數據科學並不是一個低門檻的行業，除了對數學、統計、計算機等相關領域的技術要求以外，還要相關套用領域的知識。本書的寫作對象是那些現在從事數據分析相關行業，或者之後想從事數據分析行業的人，意在為實踐者提供數據科學家這門職業的相關信息。讀者可以從閱讀中了解到數據科學能解決的問題，數據科學家需要的技能，及背後的“分析哲學”。對於新手而言，一開始就直奔艱深的理論，很容易因為困難而失去興趣最終放棄。因此本書倡導的是一種循序漸進的啟發教學路徑，著重在於數據科學的實際套用，讓讀者能夠重複書中的結果，學習數據分析技能最好的方式是實踐！為了平衡理論和套用，書中包括了一些選學小節，用來介紹更多的模型數理背景或給出必要的參考資料來源。抽絲剝繭介紹技術核心，幫助大家知其然，同時知其所以然。希望筆者在北美從事數據科學工作多年踏遍大大小小不計其數的坑換來的經驗，能夠幫助讀者更加順利地成為數據科學家！
目錄
第1章 白話數據科學 1
1.1 什麼是數據科學 3
1.2 什麼是數據科學家 5
1.2.1 數據科學家需要的技能 6
1.2.2 數據科學算法總結 10
1.3 數據科學可以解決什麼問題 20
1.3.1 前提要求 20
1.3.2 問題種類 22
1.4 小結 25
第2章 數據集 26
2.1 服裝消費者數據 26
2.2 航空公司滿意度調查 33
2.3 生豬疫情風險預測數據 37
第3章 數據分析流程 41
3.1 從問題到數據 42
3.2 從數據到信息 44
3.3 從信息到行動 46
第4章 數據預處理 47
4.1 介紹 47
4.2 數據清理 50
4.3 缺失值填補 52
4.3.1 中位數或眾數填補 53
4.3.2 K-近鄰填補 54
4.3.3 裝袋樹填補 56
4.4 中心化和標量化 56
4.5 有偏分布 59
4.6 處理離群點 63
4.7 共線性 66
4.8 稀疏變數 70
4.9 編碼名義變數 71
4.10 小結 73
第5章 數據操作 75
5.1 數據讀寫 76
5.1.1 取代傳統數據框的tibble對象 76
5.1.2 高效數據讀寫：readr包 80
5.1.3 數據表對象讀取 83
5.2 數據整合 91
5.2.1 base包：apply() 91
5.2.2 plyr包：ddply()函式 93
5.2.3 dplyr包 96
5.3 數據整形 102
5.3.1 reshape2包 102
5.3.2 tidyr包 105
5.4 小結 107
第6章 基礎建模技術 109
6.1 有監督和無監督 109
6.2 誤差及其來源 111
6.2.1 系統誤差和隨機誤差 111
6.2.2 因變數誤差 117
6.2.3 自變數誤差 121
6.3 數據劃分和再抽樣 122
6.3.1 劃分訓練集和測試集 123
6.3.2 重抽樣 131
6.4 小結 135
第7章 模型評估度量 136
7.1 回歸模型評估度量 136
7.2 分類模型評估度量 139
7.2.1 Kappa統計量 141
7.2.2 ROC曲線 143
7.2.3 提升圖 145
7.3 小結 146
第8章 特徵工程 148
8.1 特徵構建 149
8.2 特徵提取 152
8.2.1 初步探索特徵 153
8.2.2 主成分分析 158
8.2.3 探索性因子分析 163
8.2.4 高維標度化 167
8.2.5 知識擴展：3種降維特徵提取方法的理論 171
8.3 特徵選擇 177
8.3.1 過濾法 178
8.3.2 繞封法 188
8.4 小結 195
第9章 線性回歸及其衍生 196
9.1 普通線性回歸 197
9.1.1 最小二乘線性模型 197
9.1.2 回歸診斷 201
9.1.3 離群點、高槓桿點和強影響點 204
9.2 收縮方法 205
9.2.1 嶺回歸 205
9.2.2 Lasso 209
9.2.3 彈性網路 212
9.3 知識擴展：LASSO的變數選擇功能 213
9.4 主成分和偏最小二乘回歸 215
9.5 小結 221
第10章 廣義線性模型壓縮方法 222
10.1 初識GLMNET 223
10.2 收縮線性回歸 227
10.3 邏輯回歸 235
10.3.1 普通邏輯回歸 235
10.3.2 收縮邏輯回歸 236
10.3.3 知識擴展：群組lasso邏輯回歸 239
10.4 收縮多項回歸 243
10.5 泊松收縮回歸 246
10.6 小結 249
第11章 樹模型 250
11.1 分裂準則 252
11.2 樹的修剪 256
11.3 回歸樹和決策樹 260
11.4 裝袋樹 268
11.5 隨機森林 273
11.6 助推法 277
11.7 知識擴展：助推法的可加模型框架 283
11.8 知識擴展：助推樹的數學框架 286
11.8.1 數學表達 286
11.8.2 梯度助推數值最佳化 289
11.9 小結 290
第12章 神經網路 292
12.1 投影尋蹤回歸（PROJECTION PURSUIT REGRESSION） 293
12.2 神經網路（NEURAL NETWORKS） 296
12.3 神經網路擬合 299
12.4 訓練神經網路 300
12.5 用CARET包訓練神經網路 302
12.6 小結 311
參考文獻 312
