目錄 第 一部分　入門(mén) 第 1 章　什么是機(jī)器學(xué)習(xí) 2 1.1　從數(shù)據(jù)中發(fā)現(xiàn)知識(shí) 2 1.1.1　算法介紹 3 1.1.2　人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí) 3 1.2　機(jī)器學(xué)習(xí)技術(shù) 4 1.2.1　監(jiān)督學(xué)習(xí) 4 1.2.2　無(wú)監(jiān)督學(xué)習(xí) 7 1.3　模型選擇 9 1.3.1　分類(lèi)技術(shù) 9 1.3.2　回歸技術(shù) 9 1.3.3　相似性學(xué)習(xí)技術(shù) 10 1.4　評(píng)估模型 10 1.4.1　分類(lèi)錯(cuò)誤 11 1.4.2　回歸錯(cuò)誤 12 1.4.3　錯(cuò)誤類(lèi)型 13 1.4.4　分割數(shù)據(jù)集 14 1.5　練習(xí) 15 第 2 章　R 和 RStudio 簡(jiǎn)介 17 2.1　歡迎來(lái)到 R 17 2.2 R 和 RStudio 組件 18 2.2.1 R 語(yǔ)言 18 2.2.2 RStudio 19 2.2.3 R 包 26 2.3　編寫(xiě)和運(yùn)行 R 腳本 29 2.4 R 中的數(shù)據(jù)類(lèi)型 31 2.4.1　向量 32 2.4.2　測(cè)試數(shù)據(jù)類(lèi)型 33 2.4.3　轉(zhuǎn)換數(shù)據(jù)類(lèi)型 36 2.4.4　缺失值 36 2.5　練習(xí) 37 第 3 章　數(shù)據(jù)管理 38 3.1 tidyverse 38 3.2　數(shù)據(jù)收集 39 3.2.1　主要考慮因素 39 3.2.2　導(dǎo)入數(shù)據(jù) 40 3.3　數(shù)據(jù)探索 43 3.3.1　數(shù)據(jù)描述 43 3.3.2　數(shù)據(jù)可視化 48 3.4　數(shù)據(jù)準(zhǔn)備 52 3.4.1　數(shù)據(jù)清洗 53 3.4.2　數(shù)據(jù)轉(zhuǎn)換 59 3.4.3　減少數(shù)據(jù) 64 3.5　練習(xí) 69 第二部分　回歸 第 4 章　線性回歸 72 4.1　自行車(chē)租賃與回歸 72 4.2　變量之間的關(guān)系 73 4.2.1　相關(guān)性 74 4.2.2　回歸 79 4.3　簡(jiǎn)單線性回歸 80 4.3.1　普通最小二乘法 81 4.3.2　簡(jiǎn)單線性回歸模型 82 4.3.3　評(píng)估模型 82 4.4　多元線性回歸 85 4.4.1　多元線性回歸模型 86 4.4.2　評(píng)估模型 86 4.4.3　改進(jìn)模型 93 4.4.4　優(yōu)缺點(diǎn) 100 4.5　案例研究：預(yù)測(cè)血壓 101 4.5.1　導(dǎo)入數(shù)據(jù) 102 4.5.2　探索數(shù)據(jù) 102 4.5.3　簡(jiǎn)單線性回歸模型的擬合 104 4.5.4　多元線性回歸模型的擬合 105 4.6　練習(xí) 111 第 5 章　logistic 回歸 113 5.1　尋找潛在捐贈(zèng)者 113 5.2　分類(lèi) 115 5.3 logistic 回歸 116 5.3.1　優(yōu)勢(shì)比 117 5.3.2　二分類(lèi) logistic 回歸模型 120 5.3.3　評(píng)估模型 129 5.3.4　改進(jìn)模型 135 5.3.5　優(yōu)缺點(diǎn) 140 5.4　案例研究：收入預(yù)測(cè) 140 5.4.1　導(dǎo)入數(shù)據(jù) 141 5.4.2　探索和準(zhǔn)備數(shù)據(jù) 141 5.4.3　訓(xùn)練模型 144 5.4.4　評(píng)估模型 146 5.5　練習(xí) 147 第三部分　分類(lèi) 第 6 章　k 近鄰 152 6.1　檢測(cè)心臟病 152 6.2 k 近鄰 154 6.2.1　發(fā)現(xiàn)最近鄰居 155 6.2.2　標(biāo)記未標(biāo)記數(shù)據(jù) 157 6.2.3　選擇合適的 k 157 6.2.4 k 近鄰模型 158 6.2.5　評(píng)估模型 162 6.2.6　改進(jìn)模型 163 6.2.7　優(yōu)缺點(diǎn) 164 6.3　案例研究：重新分析捐贈(zèng)者數(shù)據(jù)集 165 6.3.1　導(dǎo)入數(shù)據(jù) 165 6.3.2　探索和準(zhǔn)備數(shù)據(jù) 165 6.3.3　建立模型 169 6.3.4　評(píng)估模型 170 6.4　練習(xí) 170 第 7 章　樸素貝葉斯 171 7.1　垃圾郵件分類(lèi) 171 7.2　樸素貝葉斯 172 7.2.1　概率 173 7.2.2　聯(lián)合概率 173 7.2.3　條件概率 174 7.2.4　樸素貝葉斯分類(lèi) 175 7.2.5　可加性平滑 177 7.2.6　樸素貝葉斯模型 178 7.2.7　評(píng)估模型 182 7.2.8　樸素貝葉斯分類(lèi)器的優(yōu)缺點(diǎn) 183 7.3　案例研究：重新審視心臟病檢測(cè)問(wèn)題 183 7.3.1　導(dǎo)入數(shù)據(jù) 183 7.3.2　探索和準(zhǔn)備數(shù)據(jù) 184 7.3.3　建立模型 185 7.3.4　評(píng)估模型 186 7.4　練習(xí) 186 第 8 章　決策樹(shù) 188 8.1　預(yù)測(cè)許可證決策 188 8.2　決策樹(shù) 189 8.2.1　遞歸分區(qū) 190 8.2.2　熵 193 8.2.3　信息增益 194 8.2.4　基尼不純度 196 8.2.5　剪枝 196 8.2.6　建立分類(lèi)樹(shù)模型 197 8.2.7　評(píng)估模型 200 8.2.8　決策樹(shù)的優(yōu)缺點(diǎn) 202 8.3　案例研究：重新審視收入預(yù)測(cè)問(wèn)題 203 8.3.1　導(dǎo)入數(shù)據(jù) 203 8.3.2　探索和準(zhǔn)備數(shù)據(jù) 204 8.3.3　建立模型 205 8.3.4　評(píng)估模型 205 8.4　練習(xí) 206 第四部分　模型的評(píng)估和改進(jìn) 第 9 章　評(píng)估模型 208 9.1　評(píng)估未來(lái)表現(xiàn) 208 9.1.1　交叉驗(yàn)證 210 9.1.2　自助抽樣 215 9.2　超越預(yù)測(cè)準(zhǔn)確性 217 9.2.1 Kappa 218 9.2.2　查準(zhǔn)率和查全率 220 9.2.3　靈敏度和特異性 222 9.3　可視化模型性能 225 9.3.1　接收者操作特性曲線 225 9.3.2　曲線下面積 228 9.4　練習(xí) 230 第 10 章　改進(jìn)模型 232 10.1　調(diào)整參數(shù) 232 10.1.1　自動(dòng)參數(shù)調(diào)整 232 10.1.2　自定義參數(shù)調(diào)整 236 10.2　集成方法 240 10.2.1　裝袋 241 10.2.2　提升 243 10.2.3　堆疊 245 10.3　練習(xí) 249 第五部分　無(wú)監(jiān)督學(xué)習(xí) 第 11 章　用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)模式 252 11.1　超市購(gòu)物籃分析 252 11.2　關(guān)聯(lián)規(guī)則 253 11.2.1　識(shí)別強(qiáng)規(guī)則 254 11.2.2 Apriori 算法 255 11.3　發(fā)現(xiàn)關(guān)聯(lián)規(guī)則 256 11.3.1　生成規(guī)則 257 11.3.2　評(píng)估規(guī)則 260 11.3.3　優(yōu)缺點(diǎn) 263 11.4　案例研究：識(shí)別雜貨店購(gòu)買(mǎi)模式 263 11.4.1　導(dǎo)入數(shù)據(jù) 264 11.4.2　探索和預(yù)處理數(shù)據(jù) 264 11.4.3　生成規(guī)則 265 11.4.4　評(píng)估規(guī)則 266 11.5　練習(xí) 268 11.6　參考文獻(xiàn) 268 第 12 章　用聚類(lèi)對(duì)數(shù)據(jù)分組 269 12.1　聚類(lèi) 269 12.2 k 均值聚類(lèi) 271 12.3　基于 k 均值聚類(lèi)的大學(xué)細(xì)分 274 12.3.1　創(chuàng)建簇 275 12.3.2　分析簇 277 12.3.3　選擇最佳簇?cái)?shù) 278 12.3.4 k 均值聚類(lèi)的優(yōu)缺點(diǎn) 282 12.4　案例研究：對(duì)購(gòu)物中心客戶進(jìn)行細(xì)分 282 12.4.1　探索和準(zhǔn)備數(shù)據(jù) 283 12.4.2　聚類(lèi)數(shù)據(jù) 283 12.4.3　評(píng)估簇 284 12.5　練習(xí) 285 12.6　參考文獻(xiàn) 286