精通數據科學算法

內容簡介

數據科學（Data Science）是從數據中提取知識的技術，是一門有關機器學習、統計學與數據挖掘的交叉學科。數據科學包含了多種領域的不同元素，包括信號處理、數學、機率模型技術和理論、計算機編程、統計學等。

本書講解了7種重要的數據分析方法，它們分別是k最近鄰算法、樸素貝葉斯算法、決策樹、隨機森林、k-means聚類、回歸分析以及時間序列分析。全書共7章，每一章都以一個簡單的例子開始，先講解算法的基本概念與知識，然後通過對案例進行擴展以講解一些特殊的分析算法。這種方式有益於讀者深刻理解算法。

本書適合數據分析人員、機器學習領域的從業人員以及對算法感興趣的讀者閱讀。

圖書目錄

第 1 章用k最近鄰算法解決分類問題

1.1　Mary對溫度的感覺

1.2　實現k最近鄰算法

1.3　義大利地區的示例——選擇k值

1.4　房屋所有權——數據轉換

1.5　文本分類——使用非歐幾里德距離

1.6　文本分類——更高維度的k-NN

1.7　小結

1.8　習題

第　2 章樸素貝葉斯

2.1　醫療檢查——貝葉斯定理的基本套用

2.2　貝葉斯定理的證明及其擴展

2.3　西洋棋遊戲——獨立事件

2.4　樸素貝葉斯分類器的實現

2.5　西洋棋遊戲——相關事件

2.6　性別分類——基於連續隨機變數的貝葉斯定理

2.7　小結

2.8　習題

第　3 章決策樹

3.1　游泳偏好——用決策樹表示數據

3.2　資訊理論　044

3.3　ID3算法——構造決策樹　047

3.4　用決策樹進行分類　054

3.5　小結　060

3.6　習題　060

第　4 章隨機森林　064

4.1　隨機森林算法概述　064

4.2　游泳偏好——隨機森林分析法　065

4.3　隨機森林算法的實現　071

4.4　下棋實例　075

4.5　購物分析——克服隨機數據的不一致性以及

度量置信水平　082

4.6　小結　084

4.7　習題　084

第　5 章 k-means聚類　089

5.1　家庭收入——聚類為k個簇　089

5.2　性別分類——聚類分類　092

5.3　k-means聚類算法的實現　095

5.4　房產所有權示例——選擇簇的數量　099

5.5　小結　105

5.6　習題　105

精通數據科學算法

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條