數(shù)據(jù)科學(xué)：理論、方法與R語言實踐

目　　錄譯者序序言前言第一部分　數(shù)據(jù)科學(xué)引論第1章　數(shù)據(jù)科學(xué)處理過程21.1　數(shù)據(jù)科學(xué)項目中的角色21.2　數(shù)據(jù)科學(xué)項目的階段41.2.1　制定目標(biāo)51.2.2　收集和管理數(shù)據(jù)51.2.3　建立模型71.2.4　模型評價和批判81.2.5　展現(xiàn)和編制文檔91.2.6　模型部署和維護(hù)101.3　設(shè)定預(yù)期111.4　小結(jié)12第2章　向R加載數(shù)據(jù)142.1　運(yùn)用文件中的數(shù)據(jù)142.1.1　在源自文件或URL的良結(jié)構(gòu)數(shù)據(jù)上使用R152.1.2　在欠結(jié)構(gòu)數(shù)據(jù)上使用R172.2　在關(guān)系數(shù)據(jù)庫上使用R192.2.1　一個生產(chǎn)規(guī)模的示例202.2.2　從數(shù)據(jù)庫向R系統(tǒng)加載數(shù)據(jù)232.2.3　處理PUMS數(shù)據(jù)252.3　小結(jié)28第3章　探索數(shù)據(jù)293.1　使用概要統(tǒng)計方法發(fā)現(xiàn)問題303.2　用圖形和可視化方法發(fā)現(xiàn)問題343.2.1　可視化檢測單變量的分布353.2.2　可視化檢測兩個變量間的關(guān)系423.3　小結(jié)51第4章　管理數(shù)據(jù)524.1　清洗數(shù)據(jù)524.1.1　處理缺失值524.1.2　數(shù)據(jù)轉(zhuǎn)換564.2　為建模和驗證采樣614.2.1　測試集和訓(xùn)練集的劃分614.2.2　創(chuàng)建一個樣本組列624.2.3　記錄分組634.2.4　數(shù)據(jù)溯源634.3　小結(jié)63第二部分　建模方法第5章　選擇和評價模型665.1　將業(yè)務(wù)問題映射到機(jī)器學(xué)習(xí)任務(wù)675.1.1　解決分類問題675.1.2　解決打分問題685.1.3　目標(biāo)未知情況下的處理695.1.4　問題到方法的映射715.2　模型評價715.2.1　分類模型的評價725.2.2　打分模型的評價765.2.3　概率模型的評價785.2.4　排名模型的評價825.2.5　聚類模型的評價825.3　模型驗證845.3.1　常見的模型問題的識別 845.3.2　模型可靠性的量化855.3.3　模型質(zhì)量的保證865.4　小結(jié)88第6章　記憶化方法896.1　KDD和KDD Cup 2009896.2　構(gòu)建單變量模型916.2.1　使用類別型特征926.2.2　使用數(shù)值型特征946.2.3　使用交叉驗證估計過擬合的影響966.3　構(gòu)建多變量模型976.3.1　變量選擇976.3.2　使用決策樹996.3.3　使用最近鄰方法1026.3.4　使用樸素貝葉斯1056.4　小結(jié)108第7章　線性回歸與邏輯斯諦回歸1107.1　使用線性回歸1107.1.1　理解線性回歸1107.1.2　構(gòu)建線性回歸模型1137.1.3　預(yù)測1147.1.4　發(fā)現(xiàn)關(guān)系并抽取建議1177.1.5　解讀模型概要并刻畫系數(shù)質(zhì)量1187.1.6　線性回歸要點1227.2　使用邏輯斯諦回歸1237.2.1　理解邏輯斯諦回歸1237.2.2　構(gòu)建邏輯斯諦回歸模型1247.2.3　預(yù)測1257.2.4　從邏輯斯諦回歸模型中發(fā)現(xiàn)關(guān)系并抽取建議1297.2.5　解讀模型概要并刻畫系數(shù)1307.2.6　邏輯斯諦回歸要點1367.3　小結(jié)137第8章　無監(jiān)督方法1388.1　聚類分析1388.1.1　距離1398.1.2　準(zhǔn)備數(shù)據(jù) 1408.1.3　使用hclust()進(jìn)行層次聚類1428.1.4　k-均值算法1508.1.5　分派新的點到簇1548.1.6　聚類要點1568.2　關(guān)聯(lián)規(guī)則1568.2.1　關(guān)聯(lián)規(guī)則概述1568.2.2　問題舉例1578.2.3　使用arules程序包挖掘關(guān)聯(lián)規(guī)則1588.2.4　關(guān)聯(lián)規(guī)則要點1658.3　小結(jié)165第9章　高級方法探索1669.1　使用bagging和隨機(jī)森林方法減少訓(xùn)練方差1679.1.1　使用bagging方法改進(jìn)預(yù)測1679.1.2　使用隨機(jī)森林方法進(jìn)一步改進(jìn)預(yù)測1709.1.3　bagging和隨機(jī)森林方法要點1739.2　使用廣義加性模型學(xué)習(xí)非單調(diào)關(guān)系1739.2.1　理解GAM1749.2.2　一維回歸示例1749.2.3　提取非線性關(guān)系1789.2.4　在真實數(shù)據(jù)上使用GAM1799.2.5　使用GAM實現(xiàn)邏輯斯諦回歸1829.2.6　GAM要點1839.3　使用核方法提高數(shù)據(jù)可分性1839.3.1　理解核函數(shù)1849.3.2　在問題中使用顯式核函數(shù)1879.3.3　核方法要點1909.4　使用SVM對復(fù)雜的決策邊界建模1909.4.1　理解支持向量機(jī)1909.4.2　在人工示例數(shù)據(jù)中使用SVM1929.4.3　在真實數(shù)據(jù)中使用SVM1959.4.4　支持向量機(jī)要點1979.5　小結(jié)197第三部分　結(jié)果交付第10章　文檔編制和部署20010.1　buzz數(shù)據(jù)集20010.2　使用knitr產(chǎn)生里程碑文檔20210.2.1　knitr是什么20210.2.2　knitr 技術(shù)詳解20410.2.3　使用knitr編寫buzz數(shù)據(jù)文檔20510.3　在運(yùn)行時文檔編制中使用注釋和版本控制20810.3.1　編寫有效注釋20810.3.2　使用版本控制記錄歷史20910.3.3　使用版本控制探索項目21310.3.4　使用版本控制分享工作21710.4　模型部署22010.4.1　將模型部署為R HTTP服務(wù)22010.4.2　按照輸出部署模型22210.4.3　要點22310.5　小結(jié)224第11章　有效的結(jié)果展現(xiàn)22611.1　將結(jié)果展現(xiàn)給項目出資方22711.1.1　概述項目目標(biāo)22811.1.2　陳述項目結(jié)果22911.1.3　補(bǔ)充細(xì)節(jié)23011.1.4　提出建議并討論未來工作23111.1.5　向項目出資方展現(xiàn)的要點23211.2　向最終用戶展現(xiàn)模型23211.2.1　概述項目目標(biāo)23211.2.2　展現(xiàn)模型如何融入用戶的工作流程23311.2.3　展現(xiàn)如何使用模型23511.2.4　向最終用戶展現(xiàn)的要點23611.3　向其他數(shù)據(jù)科學(xué)家展現(xiàn)你的工作23611.3.1　介紹問題23611.3.2　討論相關(guān)工作23711.3.3　討論你的方法23811.3.4　討論結(jié)果和未來工作23911.3.5　向其他數(shù)據(jù)科學(xué)家展現(xiàn)的要點24011.4　小結(jié)240附錄A　使用R和其他工具241附錄B　重要的統(tǒng)計學(xué)概念263附錄C　更多的工具和值得探索的思路292參考文獻(xiàn)297索引299