應(yīng)用預(yù)測(cè)建模

定　價(jià)：￥99.00

作　者：	馬克斯·庫(kù)恩
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 計(jì)算機(jī)理論

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111533429	出版時(shí)間：	2016-04-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	409	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　這是一本專(zhuān)注于預(yù)測(cè)建模的數(shù)據(jù)分析書(shū)，意在為實(shí)踐者提供預(yù)測(cè)建模過(guò)程的指導(dǎo)，比如如何進(jìn)行數(shù)據(jù)預(yù)處理、模型調(diào)優(yōu)、預(yù)測(cè)變量重要性度量、變量選擇等。讀者可以從中學(xué)到許多建模方法以及提高對(duì)許多常用的、現(xiàn)代的有效模型的認(rèn)識(shí)，如線(xiàn)性回歸、非線(xiàn)性回歸和分類(lèi)模型，涉及樹(shù)方法、支持向量機(jī)等。第10章和第17章分別研究混凝土混合物的抗壓強(qiáng)度和作業(yè)調(diào)度兩個(gè)案例。作者重實(shí)際應(yīng)用，輕數(shù)學(xué)理論，從實(shí)際數(shù)據(jù)出發(fā)，結(jié)合開(kāi)源軟件R語(yǔ)言來(lái)求解實(shí)際問(wèn)題，詳細(xì)給出R代碼和處理的步驟。R包AppliedPredictiveModeling包含書(shū)中使用的數(shù)據(jù)，以及可以用于重復(fù)書(shū)中每一章分析的R代碼，讓讀者能在一定精度范圍內(nèi)重復(fù)本書(shū)的結(jié)果，并自然地將書(shū)中的預(yù)測(cè)建模方法應(yīng)用到自己的數(shù)據(jù)上。章后附有習(xí)題，方便讀者鞏固所學(xué)。這本業(yè)界互相推薦的好書(shū)，適合所有數(shù)據(jù)分析人員閱讀。

作者簡(jiǎn)介

暫缺《應(yīng)用預(yù)測(cè)建?！纷髡吆?jiǎn)介

圖書(shū)目錄

目錄譯者序前言第1章導(dǎo)論11預(yù)測(cè)與解釋12預(yù)測(cè)模型的關(guān)鍵部分13專(zhuān)業(yè)術(shù)語(yǔ)14實(shí)例數(shù)據(jù)集和典型數(shù)據(jù)場(chǎng)景15概述16符號(hào)第一部分一般策略第2章預(yù)測(cè)建模過(guò)程簡(jiǎn)介21案例分析：預(yù)測(cè)燃油效能22主題23總結(jié)第3章數(shù)據(jù)預(yù)處理31案例分析：高內(nèi)涵篩選中的細(xì)胞分組32單個(gè)預(yù)測(cè)變量數(shù)據(jù)變換33多個(gè)預(yù)測(cè)變量數(shù)據(jù)變換34處理缺失值35移除預(yù)測(cè)變量36增加預(yù)測(cè)變量37區(qū)間化預(yù)測(cè)變量38計(jì)算習(xí)題第4章過(guò)度擬合與模型調(diào)優(yōu)41過(guò)度擬合的問(wèn)題42模型調(diào)優(yōu)43數(shù)據(jù)分割44重抽樣技術(shù)45案例分析：信用評(píng)分46選擇調(diào)優(yōu)參數(shù)值47數(shù)據(jù)劃分建議48不同模型間的選擇49計(jì)算習(xí)題第二部分回歸模型第5章衡量回歸模型的效果51模型效果的定量度量52方差偏差的權(quán)衡53計(jì)算第6章線(xiàn)性回歸及其擴(kuò)展61案例分析：定量構(gòu)效關(guān)系建模62線(xiàn)性回歸63偏最小二乘法64懲罰模型65計(jì)算習(xí)題第7章非線(xiàn)性回歸模型71神經(jīng)網(wǎng)絡(luò)72多元自適應(yīng)回歸樣條73支持向量機(jī)74K近鄰75計(jì)算習(xí)題第8章回歸樹(shù)與基于規(guī)則的模型81簡(jiǎn)單回歸樹(shù)82回歸模型樹(shù)83基于規(guī)則的模型84裝袋樹(shù)85隨機(jī)森林86助推法87Cubist88計(jì)算習(xí)題第9章溶解度模型總結(jié)第10章案例研究：混凝土混合物的抗壓強(qiáng)度101模型構(gòu)建策略102模型性能103優(yōu)化抗壓強(qiáng)度104計(jì)算第三部分分類(lèi)模型第11章分類(lèi)模型的效果度量111類(lèi)預(yù)測(cè)112評(píng)估預(yù)測(cè)類(lèi)113評(píng)估類(lèi)概率114計(jì)算第12章判別分析和其他線(xiàn)性分類(lèi)模型121案例分析：預(yù)測(cè)是否成功申請(qǐng)經(jīng)費(fèi)122邏輯回歸123線(xiàn)性判別分析124偏最小二乘判別分析125懲罰模型126最近收縮質(zhì)心127計(jì)算習(xí)題第13章非線(xiàn)性分類(lèi)模型131非線(xiàn)性判別分析132神經(jīng)網(wǎng)絡(luò)133靈活判別分析134支持向量機(jī)135K近鄰 136樸素貝葉斯137計(jì)算習(xí)題第14章分類(lèi)樹(shù)與基于規(guī)則的模型141基本的分類(lèi)樹(shù)142基于規(guī)則的模型143裝袋決策樹(shù)144隨機(jī)森林145助推法146C50147比較兩種分類(lèi)預(yù)測(cè)變量編碼方式148計(jì)算習(xí)題第15章經(jīng)費(fèi)申請(qǐng)模型的總結(jié)第16章對(duì)嚴(yán)重類(lèi)失衡的補(bǔ)救方法161案例分析: 預(yù)測(cè)房車(chē)保險(xiǎn)所有權(quán) 162類(lèi)失衡的影響163模型調(diào)優(yōu)164選擇截點(diǎn)165調(diào)整先驗(yàn)概率166不等案例權(quán)重167抽樣方法168成本敏感度訓(xùn)練169計(jì)算習(xí)題第17章案例研究：作業(yè)調(diào)度171數(shù)據(jù)切分和模型策略172結(jié)果173計(jì)算第18章衡量預(yù)測(cè)變量重要性181數(shù)值結(jié)果變量182分類(lèi)結(jié)果變量183其他方法184計(jì)算習(xí)題第19章特征選擇介紹191使用無(wú)信息預(yù)測(cè)變量的結(jié)果192減少預(yù)測(cè)變量個(gè)數(shù)的方法193繞封法194過(guò)濾法195選擇偏差196案例分析：預(yù)測(cè)認(rèn)知損傷197計(jì)算習(xí)題第20章影響模型表現(xiàn)的因素201第Ⅲ類(lèi)錯(cuò)誤202結(jié)果變量的測(cè)量誤差203預(yù)測(cè)變量的測(cè)量誤差204連續(xù)變量離散化205模型預(yù)測(cè)何時(shí)是可信的206大樣本的影響207計(jì)算習(xí)題附錄附錄A各種模型的總結(jié)附錄BR語(yǔ)言介紹附錄C值得關(guān)注的網(wǎng)站參考文獻(xiàn)