《統計挖掘與機器學習（原書第3版）》是由2021年9月機械工業出版社出版的圖書。
基本介紹
- 中文名：統計挖掘與機器學習（原書第3版）
- 作者：[美] 布魯斯·拉特納（Bruce Ratner）
- 出版社：機械工業出版社
- 出版時間：2021年9月
- ISBN：9787111689942
作品簡介,作品目錄,
作品簡介
本書創造性地彙編了數據挖掘技術，將統計數據挖掘和機器學習數據挖掘進行了區分，對經典和現代統計方法框架進行了擴展，以用於預測建模和大數據分析。本書在第2版的基礎上新增了13章，內容涵蓋數據科學發展歷程、市場份額估算、無抽樣調研數據預測錢包份額、潛在市場區隔、利用缺失數據構建統計回歸模型、十分位分析評估數據的預測能力，以及一個無須精通自然語言處理就能使用的文本挖掘工具。本書適合數據挖掘從業者以及對機器學習數據挖掘感興趣的人閱讀。
作品目錄
第3版前言
第2版前言
致謝
關於作者
第1章 引論
第2章 數據處理相關學科：統計學和數據科學
第3章 變數評估的兩種基本數據挖掘方法
第4章 用於評估成對變數的基於CHAID的數據挖掘方法
第5章 校直數據的簡單性和可取性對建模十分重要
第6章 排序數據對稱化：提高數據預測能力的統計數據挖掘方法
第7章 主成分分析：多變數評估的統計數據挖掘方法
第8章 市場份額估算：一個特殊的數據挖掘案例
第9章 相關係數在[-1,+1]內取值，是這樣嗎
第10章 邏輯斯諦回歸：回應建模方法
第11章 無抽樣調研數據預測錢包份額
第12章 普通回歸：利潤建模的強大工具
第13章 回歸變數選擇方法：可忽略的問題和重要解決方案
第14章 用CHAID解讀邏輯斯諦回歸模型
第15章 回歸係數的重要性
第16章 相關係數均值：評估預測模型和預測變數重要性的統計數據挖掘指標
第17章 互動變數指定CHAID模型
第18章 市場區隔：邏輯斯諦回歸建模
第19章 市場區隔：時間序列數據LCA
第20章 市場區隔：理解細分群體的便捷途徑
第21章 統計回歸模型：理解模型的簡單方法
第22章 CHAID：填充缺失值的方法
第23章 大數據建模
第24章 藝術、科學、數字和詩歌
第25章 識別最佳客戶：描述性、預測性和相似性描述
第26章 行銷模型評估
第27章 十分位分析：視角與效果
第28章 T-C淨提升度模型：評估試驗組與對照組的行銷效果
第29章 自助法在行銷中的套用：一種新的模型驗證方法
第30章 用自助法驗證邏輯斯諦回歸模型
第31章 行銷模型可視化：用數據深度挖掘模型
第32章 預測貢獻係數：預測重要性的度量
第33章 建模是藝術、科學與詩的結合
第34章 獻給數據狂的數據分析12步法
第35章 遺傳回歸模型與統計回歸模型
第36章 數據重用：GenIQ模型的強大數據挖掘技術
第37章 數據挖掘技術——離群值的調整
第38章 過擬合的全新解決方案
第39章 回顧：為何校直數據如此重要
第40章 GenIQ模型的定義與套用
第41章 如何為行銷模型選擇最佳變數
第42章 解讀無係數模型
第43章 文本挖掘：入門、示例及TXTDM軟體
第44章 一些我比較喜歡的統計子程式
譯後記
