機器學(xué)習實(shí)踐指南 基于R語(yǔ)言簡(jiǎn)介，目錄書(shū)摘

編輯推薦:本書(shū)為讀者建立機器學(xué)習模型提供了容易理解和上手的指導。本書(shū)撥開(kāi)迷霧，開(kāi)辟出一條清晰的學(xué)習路徑，幫助讀者發(fā)現、理解、應用和開(kāi)發(fā)機器學(xué)習和數據科學(xué)的潛力。本書(shū)通過(guò)免費的預測分析軟件包 ，為讀者提供必要的工具，幫助讀者充分理解、深化認識并展開(kāi)創(chuàng )造性思維，以增強自己的機器學(xué)習和數據科學(xué)項目。

本書(shū)闡述了：
★ 能夠從數據中學(xué)習到什么？
★ 為什么從數據中學(xué)習是數據科學(xué)工具箱的必 備部分？
★ 如何將機器學(xué)習運用到自己的研究中？

通過(guò)閱讀本書(shū)，你將能夠：
★ 掌握從數據中學(xué)習的技能；
★ 探索、評價(jià)并利用核心學(xué)習類(lèi)型；
★ 發(fā)揮監督學(xué)習的威力；
★ 使用半監督學(xué)習設計成功的解決方案；
★ 學(xué)會(huì )使用無(wú)監督學(xué)習；
★ 模擬實(shí)現自己的想法并幫助開(kāi)創(chuàng )新方法。

本書(shū)是一本可以輕輕松松從入門(mén)到精通的指南，你可以親自動(dòng)手實(shí)踐其中巧妙的算法。
如果你對數據科學(xué)或機器學(xué)習應用領(lǐng)域有興趣，并希望嘗試其中的重要模型和預測技術(shù)，本書(shū)正是為你量身打造的。

內容簡(jiǎn)介:隨著(zhù)R語(yǔ)言的流行，從數據中學(xué)習比過(guò)去更加輕松。本書(shū)是通過(guò)R語(yǔ)言掌握數據科學(xué)技能的快速入門(mén)指南，書(shū)中一步一步地介紹如何在免費和流行的R統計包中建立每一種類(lèi)型的模型。書(shū)中的案例描述得很清楚，幾乎所有的代碼都可以使用。讀完本書(shū)，讀者將可以在自己專(zhuān)注的某個(gè)領(lǐng)域把書(shū)中所介紹的技術(shù)付諸實(shí)踐。

本書(shū)適合數據科學(xué)入門(mén)的讀者閱讀，尤其是通過(guò)R語(yǔ)言實(shí)現數據建模和分析方法的讀者學(xué)習。

作者簡(jiǎn)介:作者簡(jiǎn)介
尼格爾?劉易斯（N.D. Lewis）是一位數據科學(xué)和預測領(lǐng)域的講師、作者和研究者。他在華爾街和倫敦從事投資管理工作多年，編著(zhù)了統計、數據科學(xué)和量化模型方面的數本圖書(shū)，并且在大學(xué)里開(kāi)設深度學(xué)習、機器學(xué)習和數據分析應用等方面的課程。

譯者簡(jiǎn)介
高蓉，博士，任教于杭州電子科技大學(xué)，畢業(yè)于南開(kāi)大學(xué)；研究領(lǐng)域包括資產(chǎn)定價(jià)、實(shí)證金融、數據科學(xué)應用；已出版教材和譯著(zhù)多部，發(fā)表學(xué)術(shù)論文數篇。

李茂，任教于天津理工大學(xué)，畢業(yè)于北京師范大學(xué)，熱愛(ài)數據科學(xué)，從事與統計和數據分析相關(guān)的教學(xué)和研究工作。

目錄:* 1章 簡(jiǎn)明學(xué)習問(wèn)題… ……………………………………………………1
1．1 歸納推理和演繹推理的基礎……………………………………………………2
1．2 你曾遇到這些事情嗎？…………………………………………………………3
1．3 釋放歸納的力量…………………………………………………………………3
1．4 推斷的陰陽(yáng)之道…………………………………………………………………4
1．5 學(xué)習問(wèn)題的三大要素……………………………………………………………4
1．6 從數據中學(xué)習的目標……………………………………………………………6
1．7 闡明選擇標準……………………………………………………………………7
1．8 學(xué)習任務(wù)的選擇…………………………………………………………………8
附注………………………………………………………………………………………9
* 2章 監督學(xué)習………………………………………………………13
2．1 有效分類(lèi)的基本要素……………………………………………………………13
2．2 如何確定假設類(lèi)別的答案………………………………………………………15
2．3 監督學(xué)習的兩個(gè)核心方法………………………………………………………16
2．3．1 生成算法的關(guān)鍵…………………………………………………………16
2．3．2 理解判別算法……………………………………………………………17
2．4 什么是貝葉斯分類(lèi)器……………………………………………………………17
誤差下界…………………………………………………………………………19
2．5 評估貝葉斯誤差的兩種簡(jiǎn)單技巧………………………………………………19
2．5．1 Mahalanobis技巧……………………………………………………19
2．5．2 Bhattacharyya技巧…………………………………………………20
2．6 如何釋放樸素貝葉斯分類(lèi)器的力量……………………………………………21
一個(gè)建立直覺(jué)的例子……………………………………………………………22
2．7 樸素貝葉斯分類(lèi)器的R極簡(jiǎn)建立方法…………………………………………24
2．7．1 一個(gè)模擬的例子… …………………………………………………………24
2．7．2 甲狀腺數據的分析………………………………………………………28
2．8 如何利用k-近鄰算法的價(jià)值…………………………………………………33
2．8．1 深化理解的例子…………………………………………………………34
2．8．2 k近鄰的R直接方法……………………………………………………37
2．8．3 如何決定k的* 優(yōu)值……………………………………………………42
2．9 線(xiàn)性判別分析的關(guān)鍵……………………………………………………………42
2．9．1 求解廣義特征值問(wèn)題…………………………………………………44
2．9．2 R判別分析的基本要素…………………………………………………45
2．9．3 檢查你想要的模型類(lèi)型………………………………………………49
2．9．4 不要止步于線(xiàn)性判別分析………………………………………………50
2．10 邏輯回歸分類(lèi)的秘密……………………………………………………………51
建立R邏輯回歸分類(lèi)器的簡(jiǎn)便方法……………………………………………53
2．11 激勵創(chuàng )意和激情的超級好主意…………………………………………………57
附注………………………………………………………………………………………59
第3章 無(wú)監督學(xué)習……………………………………………………68
3．1 無(wú)監督學(xué)習簡(jiǎn)介…………………………………………………………………68
3．2 兩種核心方法及其工作原理……………………………………………………69
3．3 無(wú)監督學(xué)習的應用技術(shù)及R實(shí)現………………………………………………70
3．4 無(wú)監督學(xué)習的典型例子，你可以模仿學(xué)習……………………………………85
3．4．1 數據（圖像）預處理……………………………………………………86
3．4．2 處理圖像中的噪聲………………………………………………………86
3．4．3 顱骨“剝離”……………………………………………………………87
3．4．4 完 美組合…………………………………………………………………87
附注……………………………………………………………………………………89
第4章 半監督學(xué)習……………………………………………………91
4．1 未標記數據的作用………………………………………………………………92
4．2 一致性假設……………………………………………………………………94
4．3 嘗試半監督學(xué)習的極簡(jiǎn)方法…………………………………………………94
4．4 自學(xué)習算法………………………………………………………………………95
4．5 基于半監督模型的R學(xué)習……………………………………………………98
4．6 使用土地分類(lèi)掌握這種實(shí)踐說(shuō)明… ……………………………………………102
附注……………………………………………………………………………………105
第5章 統計學(xué)習理論…………………………………………………108
5．1 Vapnik-Chervonenkis泛化界……………………………………………109
5．2 什么是Vapnik-Chervonenkis維…………………………………………110
5．3 結構風(fēng)險* 小化的關(guān)鍵………………………………………………………113
5．4 實(shí)踐中使用統計學(xué)習理論的* 佳建議………………………………………114
5．5 如何精通支持向量機…………………………………………………………115
5．6 支持向量機的本質(zhì)……………………………………………………………116
松弛的處理……………………………………………………………………117
5．7 如何建立R支持向量機………………………………………………………118
附注……………………………………………………………………………………120
第6章 模型選擇………………………………………………………122
6．1 模型的快速改進(jìn)………………………………………………………………122
6．2 一個(gè)價(jià)值500萬(wàn)美元的小錯誤………………………………………………124
6．3 “天下沒(méi)有免費午餐”定理之三大關(guān)鍵教訓…………………………………125
6．4 什么是偏差和方差權衡………………………………………………………127
6．4．1 可約誤差………………………………………………………………128
6．4．2 偏差……………………………………………………………………129
6．4．3 方差……………………………………………………………………130
6．5 你的模型犯過(guò)這種錯嗎？……………………………………………………131
6．6 留出技術(shù)的秘密………………………………………………………………132
6．7 有效交叉驗證的藝術(shù)…………………………………………………………134
6．7．1 k-折交叉驗證………………………………………………………134
6．7．2 一個(gè)R案例……………………………………………………………135
6．7．3 留一驗證………………………………………………………………138
附注……………………………………………………………………………………140
恭喜你！……………………………………………………………………142