統(tǒng)計(jì)挖掘與機(jī)器學(xué)習(xí)：大數(shù)據(jù)預(yù)測(cè)建模和分析技術(shù)（原書(shū)第3版）

定　價(jià)：￥149.00

作　者：	[美] 布魯斯·拉特納（Bruce Ratner）著，鄭磊，劉子未，石仁達(dá)，鄭揚(yáng)洋譯
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111689942	出版時(shí)間：	2021-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	548	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)是一本區(qū)分統(tǒng)計(jì)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘的圖書(shū)。它創(chuàng)造性地匯編了數(shù)據(jù)挖掘技術(shù)，解決了對(duì)經(jīng)典和現(xiàn)代統(tǒng)計(jì)方法框架的擴(kuò)展，用于預(yù)測(cè)建模和大數(shù)據(jù)分析。SM-DM為數(shù)據(jù)挖掘領(lǐng)域新晉的數(shù)據(jù)科學(xué)家所面臨的共同問(wèn)題提供了適當(dāng)?shù)慕鉀Q方案。它的展示側(cè)重于數(shù)據(jù)科學(xué)家（通常被稱(chēng)為統(tǒng)計(jì)學(xué)家、數(shù)據(jù)采礦者和數(shù)據(jù)分析師）的需求，提供實(shí)用但又強(qiáng)大的、簡(jiǎn)單而又有洞察力的量化技術(shù)，其中大部分使用了新機(jī)器學(xué)習(xí)影響改進(jìn)的“舊”統(tǒng)計(jì)方法。

作者簡(jiǎn)介

暫缺《統(tǒng)計(jì)挖掘與機(jī)器學(xué)習(xí)：大數(shù)據(jù)預(yù)測(cè)建模和分析技術(shù)（原書(shū)第3版）》作者簡(jiǎn)介

圖書(shū)目錄

第3版前言
第2版前言
致謝
關(guān)于作者
第1章　引論 1
11　個(gè)人計(jì)算機(jī)與統(tǒng)計(jì)學(xué) 1
12　統(tǒng)計(jì)學(xué)和數(shù)據(jù)分析 2
13　EDA簡(jiǎn)介 3
14　EDA范式 4
15　EDA的弱點(diǎn) 5
16　小數(shù)據(jù)和大數(shù)據(jù) 5
161　數(shù)據(jù)規(guī)模特征 6
162　數(shù)據(jù)規(guī)模：個(gè)人觀(guān)點(diǎn) 7
17　數(shù)據(jù)挖掘范式 7
18　統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí) 8
19　統(tǒng)計(jì)數(shù)據(jù)挖掘 9
參考資料 9
第2章　數(shù)據(jù)處理相關(guān)學(xué)科：統(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué) 11
21　引言 11
22　背景 11
23　統(tǒng)計(jì)學(xué)與數(shù)據(jù)科學(xué)的比較 12
24　討論：統(tǒng)計(jì)學(xué)與數(shù)據(jù)科學(xué)的不同之處 18
25　本章小結(jié) 19
26　結(jié)語(yǔ) 19
參考資料 19
第3章　變量評(píng)估的兩種基本數(shù)據(jù)挖掘方法 21
31　引言 21
32　相關(guān)系數(shù) 21
33　散點(diǎn)圖 22
34　數(shù)據(jù)挖掘 24
341　示例31 24
342　示例32 24
35　平滑散點(diǎn)圖 25
36　一般關(guān)聯(lián)性檢驗(yàn) 27
37　本章小結(jié) 28
參考資料 29
第4章　用于評(píng)估成對(duì)變量的基于CHAID的數(shù)據(jù)挖掘方法 30
41　引言 30
42　散點(diǎn)圖 30
43　平滑散點(diǎn)圖 31
44　CHAID入門(mén) 32
45　用更平滑的散點(diǎn)圖進(jìn)行基于CHAID的數(shù)據(jù)挖掘 33
46　本章小結(jié) 36
參考資料 37
第5章　校直數(shù)據(jù)的簡(jiǎn)單性和可取性對(duì)建模十分重要 38
51　引言 38
52　數(shù)據(jù)的直度和對(duì)稱(chēng)度 38
53　數(shù)據(jù)挖掘是高級(jí)概念 39
54　相關(guān)系數(shù) 39
55?。▁x3，yy3）散點(diǎn)圖 40
56　挖掘（xx3，yy3）關(guān)系 41
57　基于遺傳算法的數(shù)據(jù)挖掘如何處理數(shù)據(jù) 43
58　校直多個(gè)變量 43
59　本章小結(jié) 44
參考資料 44
第6章　排序數(shù)據(jù)對(duì)稱(chēng)化：提高數(shù)據(jù)預(yù)測(cè)能力的統(tǒng)計(jì)數(shù)據(jù)挖掘方法 45
61　引言 45
62　量度范圍 45
63　莖葉圖 47
64　箱線(xiàn)圖 47
65　排序數(shù)據(jù)對(duì)稱(chēng)處理方法的圖示 47
651　示例1 48
652　示例2 50
66　本章小結(jié) 56
參考資料 56
第7章　主成分分析：多變量評(píng)估的統(tǒng)計(jì)數(shù)據(jù)挖掘方法 57
71　引言 57
72　EDA重新表述范式 57
73　關(guān)鍵點(diǎn) 58
74　PCA基礎(chǔ) 58
75　示例詳解 58
76　PCA的代數(shù)特征 59
77　一個(gè)不常見(jiàn)示例 60
771　R_CD元素（X1，X2，X3，X4，X5，X6）主成分分析 61
772　R_CD元素（X1，X2，X3，X4，X5，X6）主成分分析結(jié)果 61
78　用PCA構(gòu)造準(zhǔn)交互變量 62
79　本章小結(jié) 66
第8章　市場(chǎng)份額估算：一個(gè)特殊的數(shù)據(jù)挖掘案例 67
81　引言 67
82　背景 67
83　一個(gè)特殊的數(shù)據(jù)挖掘案例 68
84　構(gòu)建RAL的YUM市場(chǎng)份額模型 69
841　市場(chǎng)份額模型的十分位分析 76
842　YUM_3mos市場(chǎng)份額模型的結(jié)論 76
85　本章小結(jié) 77
附錄8A 　生成 PROMO_Code啞變量 77
附錄8B　PROMO_Code啞變量的PCA 77
附錄8C　PROMO_Code啞變量上的邏輯斯諦回歸YUM_3mos 78
附錄8D　生成YUM_3mos_wo_PROMO_CodeEff 78
附錄 8E　將變量標(biāo)準(zhǔn)化為位于[0， 1]內(nèi) 78
參考資料 79
第9章　相關(guān)系數(shù)在[-1,+1]內(nèi)取值，是這樣嗎 80
91　引言 80
92　相關(guān)系數(shù)的基礎(chǔ)知識(shí) 80
93　計(jì)算相關(guān)系數(shù) 81
94　重新配對(duì) 82
95　計(jì)算經(jīng)調(diào)整的相關(guān)系數(shù) 84
96　重新配對(duì)的意義 84
97　本章小結(jié) 84
第10章　邏輯斯諦回歸：回應(yīng)建模方法 85
101　引言 85
102　邏輯斯諦回歸模型 86
1021　示例 86
1022　為L(zhǎng)RM打分 87
103　案例分析 88
104　logit值和logit散點(diǎn)圖 89
105　校直數(shù)據(jù)的重要性 90
106　校直數(shù)據(jù)的重述 91
1061　冪階梯法 91
1062　突起規(guī)則 91
1063　測(cè)量校直數(shù)據(jù) 92
107　校直示例數(shù)據(jù) 92
1071　FD2_OPEN的重述 93
1072　INVESTMENT的重述 94
108　在突起規(guī)則不適用的情況下選用的技術(shù) 95
1081　擬合logit值散點(diǎn)圖 95
1082　平滑預(yù)測(cè)值與實(shí)際值散點(diǎn)圖 96
109　MOS_OPEN的重述 96
1010　評(píng)估變量的重要性 99
10101　計(jì)算G統(tǒng)計(jì)量 99
10102　單變量的重要性 100
10103　變量子集合的重要性 100
10104　不同變量子集合的重要性比較 100
1011　案例的重要變量 101
1012　變量的相對(duì)重要性 102
1013　案例變量的最佳子集合 103
1014　模型預(yù)測(cè)準(zhǔn)確性的可視化指標(biāo) 104
10141　得分組的平滑殘差散點(diǎn)圖 104
10142　基于十分位組的平滑預(yù)測(cè)與實(shí)際值散點(diǎn)圖 106
10