实物拍摄 · 支持放大查看
数据科学家目前是北美热门的职业之一均年薪突破10万美元。但数据科学并不是一个低门槛的行业，除了对数学、统计、计算机等相关领域的技术要求以外，还要相关应用领域的知识。《套路！机器学写作对象是那些现在从事数据分析相关行业，或者之后想从事数据分析行业的人，意在为实践者提供数据科学家这门职业的相关信息。读者可以从阅读中了解到数据科学能解决的问题，数据科学家需要的技能，及背后的“分析哲学”。对于新手而言，一开始直奔艰深的理论，很容易因为困难而失去兴趣终放弃。因此《套路！机器学导的是一种循序的启发教学路径，着重在于数据科学的实际应用，让读者能够重复书中的结果，学分析技能好的方式是实践！为衡理论和应用，书括了一些选学小节，用来介绍更多的模型数理背景或给出必要的参考资料来源。抽丝剥茧介绍技术内核，帮助大家知其然，同时知其所以然。希望笔者在北美从事数据科学工作多年踏小小不计其数的坑换来的经验，能够帮助读者更加顺利地成为数据科学家！
第1章 白话数据科学 1
1.1 什么是数据科学 3
1.2 什么是数据科学家 5
1.2.1 数据科学家需要的技能 6
1.2.2 数据科学算结 10
1.3 数据科学可以解决什么问题 20
1.3.1 前提要求 20
1.3.2 问题种类 22
1.4 小结 25
第2章 数据集 26
2.1 服装消费者数据 26
2.2 航空公司满意度调查 33
2.3 生猪疫情风险预测数据 37
第3章 数据分析流程 41
3.1 从问题到数据 42
3.2 从数据到信息 44
3.3 从信息到行动 46
第4章 数据预处理 47
4.1 介绍 47
4.2 数据清理 50
4.3 缺失值填补 52
4.3.1 中位数或众数填补 53
4.3.2 K邻填补 54
4.3.3 装袋树填补 56
4.4 中心化和标量化 56
4.5 有偏分布 59
4.6 处理离群点 63
4.7 共线 66
4.8 稀疏变量 70
4.9 编码名义变量 71
4.10 小结 73
第5章 数据操作 75
5.1 数据读写 76
5.1.1 取代传统数据框的tibble对象 76
5.1.2 数据读写：read 80
5.1.3 数据表对象读取 83
5.2 数据整合 91
5.2.1 bas：apply() 91
5.2.2 plyply()函数 93
5.2.3 dply 96
5.3 数据整形 102
5.3.1 reshape 102
5.3.2 tidy 105
5.4 小结 107
第6章 基础建模技术 109
6.1 有监督和无监督 109
6.2 误差及其来源 111
6.2.1 系统误差和随ji误差 111
6.2.2 因变量误差 117
6.2.3 自变量误差 121
6.3 数据划分和再抽样 122
6.3.1 划分训练集和测试集 123
6.3.2 重抽样 131
6.4 小结 135
第7章 模型评估度量 136
7.1 回归模型评估度量 136
7.2 分类模型评估度量 139
7.2.1 Kappa统计量 141
7.2.2 ROC曲线 143
7.2.3 提升图 145
7.3 小结 146
第8章 特征工程 148
8.1 特征构建 149
8.2 特征提取 152
8.2.1 初步探索特征 153
8.2.2 主成分分析 158
8.2.3 探索因子分析 163
8.2.4 高维标度化 167
8.2.5 知识扩展：3种降维特征提取方法的理论 171
8.3 特征选择 177
8.3.1 过滤法 178
8.3.2 绕封法 188
8.4 小结 195
第9章 线回归及其衍生 196
9.1 普通线回归 197
9.1.1 小二乘线模型 197
9.1.2 回归诊断 201
9.1.3 离群点、高杠杆点和强影响点 204
9.2 收缩方法 205
9.2.1 岭回归 205
9.2.2 Lasso 209
9.2.3 弹网络 212
9.3 知识扩展：LASSO的变量选能 213
9.4 主成分和偏二乘回归 215
9.5 小结 221
第10章 广义线模型压缩方法 222
10.1 初识GLMNET 223
10.2 收缩线回归 227
10.3 逻辑回归 235
10.3.1 普通逻辑回归 235
10.3.2 收缩逻辑回归 236
10.3.3 知识扩展：群组lasso逻辑回归 239
10.4 收缩多项回归 243
10.5 泊松收缩回归 246
10.6 小结 249
第11章 树模型 250
11.1 分裂准则 252
11.2 树的修剪 256
11.3 回归树和决策树 260
11.4 装袋树 268
11.5 随ji森林 273
11.6 助推法 277
11.7 知识扩展：助推法的可加模型框架 283
11.8 知识扩展：助推树的数学框架 286
11.8.1 数学表达 286
11.8.2 梯度助推数值优化 289
11.9 小结 290
第12章 神经网络 292
12.1 投影寻踪回归（PROJECTION PURSUIT REGRESSION） 293
12.2 神经网络（NEURAL NETWORKS） 296
12.3 神经网络拟合 299
12.4 训练神经网络 300
12.5 用CARE训练神经网络 302
12.6 小结 311
参考文献 312
品相说明：本书为八品，书脊轻微磨损，内页整洁无涂画，无缺页少页，具体以实物照片为准。
品相标准：十品为全新未翻阅；九品近全新有轻微痕迹；八品有明显使用痕迹但内容完整；七品及以下为有破损或缺页，页面会有详细说明。
瑕疵说明：拍品图片均为实物拍摄，因显示设备差异可能存在轻微色差，以收到实物为准。
交易方式：本站采用担保交易，买家付款后资金由平台托管，确认收货无误后放款给卖家。
配送说明：下单后 48 小时内发货，默认快递发货，满 99 元包邮，多件订单可合并运费。
议价规则：标注「价格面议」的商品可通过站内消息与卖家议价，达成一致后改价下单。
七天无理由退换：收到商品七日内，若与描述不符可申请退换，运费由责任方承担。
纠纷处理：如发生交易纠纷，可提交平台介入处理，客服 09:00-18:00 在线受理。
正品保障：平台对古籍、签名本等贵重商品提供鉴定咨询服务，发现赝品全额退款。
