123,123

內(nèi)容簡(jiǎn)介

　　與使用數(shù)學(xué)語(yǔ)言或計(jì)算機(jī)編程語(yǔ)言講解算法的書(shū)不同，本書(shū)另辟蹊徑，用通俗易懂的人類語(yǔ)言以及大量有趣的示例和插圖講解10多種前沿的機(jī)器學(xué)習(xí)算法。內(nèi)容涵蓋k均值聚類、主成分分析、關(guān)聯(lián)規(guī)則、社會(huì)網(wǎng)絡(luò)分析等無(wú)監(jiān)督學(xué)習(xí)算法，以及回歸分析、k最近鄰、支持向量機(jī)、決策樹(shù)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等監(jiān)督學(xué)習(xí)算法，并概述強(qiáng)化學(xué)習(xí)算法的思想。

作者簡(jiǎn)介

　　黃莉婷（Annalyn Ng），高級(jí)數(shù)據(jù)分析師，劍橋大學(xué)心理測(cè)量中心碩士，曾受邀在迪士尼研究中心研究客戶行為科學(xué)，并通過(guò)數(shù)據(jù)挖掘技術(shù)幫助三星和雅虎等公司制定營(yíng)銷和人員招聘等方面的策略。蘇川集（Kenneth Soo），斯坦福大學(xué)統(tǒng)計(jì)學(xué)碩士，華威大學(xué)高材生，曾從事網(wǎng)絡(luò)隨機(jī)故障下應(yīng)用程序的雙目標(biāo)穩(wěn)健優(yōu)化研究，善于用通俗的語(yǔ)言介紹數(shù)據(jù)科學(xué)。

圖書(shū)目錄

第 1章基礎(chǔ)知識(shí) 1
1．1　準(zhǔn)備數(shù)據(jù)　1
1．1．1　數(shù)據(jù)格式　1
1．1．2　變量類型　2
1．1．3　變量選擇　3
1．1．4　特征工程　3
1．1．5　缺失數(shù)據(jù)　4
1．2　選擇算法　4
1．2．1　無(wú)監(jiān)督學(xué)習(xí)　5
1．2．2　監(jiān)督學(xué)習(xí)　6
1．2．3　強(qiáng)化學(xué)習(xí)　7
1．2．4　注意事項(xiàng)　7
1．3　參數(shù)調(diào)優(yōu)　7
1．4　評(píng)價(jià)模型　9
1．4．1　分類指標(biāo)　9
1．4．2　回歸指標(biāo)　10
1．4．3　驗(yàn)證　10
1．5　小結(jié)　11
第　2章 k均值聚類　13
2．1　找出顧客群　13
2．2　示例：影迷的性格特征　13
2．3　定義群組　16
2．3．1　有多少個(gè)群組　16
2．3．2　每個(gè)群組中有誰(shuí)　17
2．4　局限性　18
2．5　小結(jié)　19
第3章　主成分分析　21
3．1　食物的營(yíng)養(yǎng)成分　21
3．2　主成分　22
3．3　示例：分析食物種類　24
3．4　局限性　27
3．5　小結(jié)　29
第4章　關(guān)聯(lián)規(guī)則　31
4．1　發(fā)現(xiàn)購(gòu)買模式　31
4．2　支持度、置信度和提升度　31
4．3　示例：分析雜貨店的銷售數(shù)據(jù)　33
4．4　先驗(yàn)原則　35
4．4．1　尋找具有高支持度的項(xiàng)集　36
4．4．2　尋找具有高置信度或高提升度的關(guān)聯(lián)規(guī)則　37
4．5　局限性　37
4．6　小結(jié)　37
第5章　社會(huì)網(wǎng)絡(luò)分析　39
5．1　展現(xiàn)人際關(guān)系　39
5．2　示例：國(guó)際貿(mào)易　40
5．3　Louvain方法　42
5．4　PageRank算法　43
5．5　局限性　46
5．6　小結(jié)　47
第6章　回歸分析　49
6．1　趨勢(shì)線　49
6．2　示例：預(yù)測(cè)房?jī)r(jià)　49
6．3　梯度下降法　52
6．4　回歸系數(shù)　54
6．5　相關(guān)系數(shù)　55
6．6　局限性　56
6．7　小結(jié)　57
第7章　k最近鄰算法和異常檢測(cè)　59
7．1　食品檢測(cè)　59
7．2　物以類聚，人以群分　60
7．3　示例：區(qū)分紅白葡萄酒　61
7．4　異常檢測(cè)　62
7．5　局限性　63
7．6　小結(jié)　63
第8章　支持向量機(jī)　65
8．1　醫(yī)學(xué)診斷　65
8．2　示例：預(yù)測(cè)心臟病　65
8．3　勾畫(huà)最佳分界線　66
8．4　局限性　69
8．5　小結(jié)　69
第9章　決策樹(shù)　71
9．1　預(yù)測(cè)災(zāi)難幸存者　71
9．2　示例：逃離泰坦尼克號(hào)　72
9．3　生成決策樹(shù)　73
9．4　局限性　74
9．5　小結(jié)　75
第　10章隨機(jī)森林　77
10．1　集體智慧　77
10．2　示例：預(yù)測(cè)犯罪行為　77
10．3　集成模型　81
10．4　自助聚集法　82
10．5　局限性　83
10．6　小結(jié)　84
第　11章神經(jīng)網(wǎng)絡(luò)　85
11．1　建造人工智能大腦　85
11．2　示例：識(shí)別手寫(xiě)數(shù)字　86
11．3　神經(jīng)網(wǎng)絡(luò)的構(gòu)成　89
11．4　激活規(guī)則　91
11．5　局限性　92
11．6　小結(jié)　94
第　12章 A/B測(cè)試和多臂老虎機(jī)　95
12．1　初識(shí)A/B測(cè)試　95
12．2　A/B測(cè)試的局限性　95
12．3　epsilon遞減策略　96
12．4　示例：多臂老虎機(jī)　97
12．5　勝者為先　99
12．6　epsilon遞減策略的局限性　99
12．7　小結(jié)　100
附錄A　無(wú)監(jiān)督學(xué)習(xí)算法概覽　101
附錄B　監(jiān)督學(xué)習(xí)算法概覽　102
附錄C　調(diào)節(jié)參數(shù)列表　103
附錄D　更多評(píng)價(jià)指標(biāo)　104
術(shù)語(yǔ)表　107
關(guān)于作者　114