套路！機器學(xué)習(xí)：北美數(shù)據(jù)科學(xué)家的私房課

第1章白話數(shù)據(jù)科學(xué)1

1.1什么是數(shù)據(jù)科學(xué)3

1.2什么是數(shù)據(jù)科學(xué)家5

1.2.1數(shù)據(jù)科學(xué)家需要的技能6

1.2.2數(shù)據(jù)科學(xué)算法總結(jié)10

1.3數(shù)據(jù)科學(xué)可以解決什么問題20

1.3.1前提要求20

1.3.2問題種類22

1.4小結(jié)25

第2章數(shù)據(jù)集26

2.1服裝消費者數(shù)據(jù)26

2.2航空公司滿意度調(diào)查33

2.3生豬疫情風(fēng)險預(yù)測數(shù)據(jù)37

第3章數(shù)據(jù)分析流程41

3.1從問題到數(shù)據(jù)42

3.2從數(shù)據(jù)到信息44

3.3從信息到行動46

第4章數(shù)據(jù)預(yù)處理47

4.1介紹47

4.2數(shù)據(jù)清理50

4.3缺失值填補52

4.3.1中位數(shù)或眾數(shù)填補53

4.3.2K—近鄰填補54

4.3.3裝袋樹填補56

4.4中心化和標(biāo)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稀疏變量70

4.9編碼名義變量71

4.10小結(jié)73

第5章數(shù)據(jù)操作75

5.1數(shù)據(jù)讀寫76

5.1.1取代傳統(tǒng)數(shù)據(jù)框的tibble對象76

5.1.2高效數(shù)據(jù)讀寫：readr包80

5.1.3數(shù)據(jù)表對象讀取83

5.2數(shù)據(jù)整合91

5.2.1base包：apply（）91

5.2.2plyr包：ddply（）函數(shù)93

5.2.3dplyr包96

5.3數(shù)據(jù)整形102

5.3.1reshape2包102

5.3.2tidyr包105

5.4小結(jié)107

第6章基礎(chǔ)建模技術(shù)109

6.1有監(jiān)督和無監(jiān)督109

6.2誤差及其來源111

6.2.1系統(tǒng)誤差和隨機誤差111

6.2.2因變量誤差117

6.2.3自變量誤差121

6.3數(shù)據(jù)劃分和再抽樣122

6.3.1劃分訓(xùn)練集和測試集123

6.3.2重抽樣131

6.4小結(jié)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

7.2.1Kappa統(tǒng)計量141

7.2.2ROC曲線143

7.2.3提升圖145

7.3小結(jié)146

第8章特征工程148

8.1特征構(gòu)建149

8.2特征提取152

8.2.1初步探索特征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(biāo)度化167

8.2.5知識擴展：3種降維特征提取方法的理論171

8.3特征選擇177

8.3.1過濾法178

8.3.2繞封法188

8.4小結(jié)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、高杠桿點和強影響點204

9.2收縮方法205

9.2.1嶺回歸205

9.2.2Lasso209

9.2.3彈性網(wǎng)絡(luò)212

9.3知識擴展：LASSO的變量選擇功能213

9.4主成分和偏最小二乘回歸215

9.5小結(jié)221

第10章廣義線性模型壓縮方法222

10.1初識GLMNET223

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(jié)249

第11章樹模型250

11.1分裂準(zhǔn)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(shù)學(xué)框架286

11.8.1數(shù)學(xué)表達(dá)286

11.8.2梯度助推數(shù)值優(yōu)化289

11.9小結(jié)290

第12章神經(jīng)網(wǎng)絡(luò)292

12.1投影尋蹤回歸（PROJECTIONPURSUITREGRESSION）293

12.2神經(jīng)網(wǎng)絡(luò)（NEURALNETWORKS）296

12.3神經(jīng)網(wǎng)絡(luò)擬合299

12.4訓(xùn)練神經(jīng)網(wǎng)絡(luò)300

12.5用CARET包訓(xùn)練神經(jīng)網(wǎng)絡(luò)302

12.6小結(jié)311

參考文獻(xiàn)312