精通數據科學算法

第 1 章 用k最近鄰算法解決分類問題
1．1　Mary對溫度的感覺
1．2　實現k最近鄰算法
1．3　意大利地區(qū)的示例——選擇k值
1．4　房屋所有權——數據轉換
1．5　文本分類——使用非歐幾里德距離
1．6　文本分類——更高維度的k-NN
1．7　小結
1．8　習題
第　2 章 樸素貝葉斯
2．1　醫(yī)療檢查——貝葉斯定理的基本應用
2．2　貝葉斯定理的證明及其擴展
2．3　西洋棋游戲——獨立事件
2．4　樸素貝葉斯分類器的實現
2．5　西洋棋游戲——相關事件
2．6　性別分類——基于連續(xù)隨機變量的貝葉斯定理
2．7　小結
2．8　習題
第　3 章 決策樹
3．1　游泳偏好——用決策樹表示數據
3．2　信息論　044
3．3　ID3算法——構造決策樹　047
3．4　用決策樹進行分類　054
3．5　小結　060
3．6　習題　060
第　4 章 隨機森林　064
4．1　隨機森林算法概述　064
4．2　游泳偏好——隨機森林分析法　065
4．3　隨機森林算法的實現　071
4．4　下棋實例　075
4．5　購物分析——克服隨機數據的不一致性以及
度量置信水平　082
4．6　小結　084
4．7　習題　084
第　5 章 k-means聚類　089
5．1　家庭收入——聚類為k個簇　089
5．2　性別分類——聚類分類　092
5．3　k-means聚類算法的實現　095
5．4　房產所有權示例——選擇簇的數量　099
5．5　小結　105
5．6　習題　105
第　6 章 回歸分析　114
6．1　華氏溫度和攝氏溫度的轉換——基于完整數據的線性回歸　114
6．2　根據身高預測體重——基于實際數據的線性回歸　117
6．3　梯度下降算法及實現　118
6．4　根據距離預測飛行時長　122
6．5　彈道飛行分析——非線性模型　123
6．6　小 結　125
6．7　習 題　125
第　7 章 時間序列分析　130
7．1　商業(yè)利潤——趨勢分析　130
7．2　電子商店的銷售額——季節(jié)性分析　132
7．3　小 結　140
7．4　習 題　140
附錄　A 統(tǒng)計　145
A．1　基本概念　145
A．2　貝葉斯推理　146
A．3　分 布　146
A．4　交叉驗證　147
A．5　A/B 測 試　148
附錄　B R參考　149
B．1　介 紹　149
B．2　數據類型　150
B．3　線性回歸　152
附錄　C Python參考　154
C．1　介 紹　154
C．2　數據類型　155
C．3　控 制 流　159
附錄　D 數據科學中的算法和方法術語　163