數據科學：理論、方法與R語言實踐 数据科学:理论、方法与R语言实践

<內容介紹>

本書從實用的角度較為全面地展現了數據科學的主要內容，並結合大量的實際項目案例，利用R語言詳細地講解了數據項目的開發過程和關鍵技術。本書包括三個部分共11章的內容，主要介紹了數據科學項目的處理過程、選擇合適的建模方法，也討論了bagging算法、隨機森林、廣義加性模型、核和支持向量機等高級建模方法。此外，還討論了文檔編制和結果部署，以及如何向組織內不同的受眾展現項目結果。本書適合作為高等院校高年級本科生和研究生及從事數據管理與分析工程技術人員的主要參考書。

<章節目錄>
譯者序
序言
前言
第一部分數據科學引論
第1章數據科學處理過程2
1.1數據科學項目中的角色2
1.2數據科學項目的階段4
1.2.1制定目標5
1.2.2收集和管理數據5
1.2 .3建立模型7
1.2.4模型評價和批判8
1.2.5展現和編制文檔9
1.2.6模型部署和維護10
1.3設定預期11
1.4小結12
第2章向R加載數據14
2.1運用文件中的數據14
2.1.1在源自文件或URL的良結構數據上使用R15
2.1.2在欠結構數據上使用R17
2.2在關係數據庫上使用R19
2.2.1一個生產規模的示例20
2.2.2從數據庫向R系統加載數據23
2.2.3處理PUMS數據25
2.3小結28
第3章探索數據29
3.1使用概要統計方法發現問題30
3.2用圖形和可視化方法發現問題34
3.2.1可視化檢測單變量的分佈35
3.2. 2可視化檢測兩個變量間的關係42
3.3小結51
第4章管理數據52
4.1清洗數據52
4.1.1處理缺失值52
4.1.2數據轉換56
4.2為建模和驗證採樣61
4.2.1測試集和訓練集的劃分61
4.2.2創建一個樣本組列62
4.2.3記錄分組63
4.2.4數據溯源63
4.3小結63
第二部分建模方法
第5章選擇和評價模型66
5.1將業務問題映射到機器學習任務67
5.1.1解決分類問題67
5.1.2解決打分問題68
5.1.3目標未知情況下的處理69
5.1.4問題到方法的映射71
5.2模型評價71
5.2.1分類模型的評價72
5.2. 2打分模型的評價76
5.2.3概率模型的評價78
5.2.4排名模型的評價82
5.2.5聚類模型的評價82
5.3模型驗證84
5.3.1常見的模型問題的識別84
5.3.2模型可靠性的量化85
5.3.3模型質量的保證86
5.4小結88
第6章記憶化方法89
6.1 KDD和KDD Cup 200989
6.2構建單變量模型91
6.2.1使用類別型特徵92
6.2.2使用數值型特徵94
6.2.3使用交叉驗證估計過擬合的影響96
6.3構建多變量模型97
6.3.1變量選擇97
6.3.2使用決策樹99
6.3.3使用最近鄰方法102
6.3.4使用樸素貝葉斯105
6.4小結108
第7章線性回歸與邏輯斯諦回歸110
7.1使用線性回歸110
7.1.1理解線性回歸110
7.1.2構建線性回歸模型113
7.1.3預測114
7.1.4發現關係並抽取建議117
7.1.5解讀模型概要並刻畫係數質量118
7.1.6線性回歸要點122
7.2使用邏輯斯諦回歸123
7.2.1理解邏輯斯諦回歸123
7.2.2構建邏輯斯諦回歸模型124
7.2.3預測125
7.2.4從邏輯斯諦回歸模型中發現關係並抽取建議129
7.2.5解讀模型概要並刻畫係數130
7.2.6邏輯斯諦回歸要點136
7.3小結137
第8章無監督方法138
8.1聚類分析138
8.1.1距離139
8.1.2準備數據140
8.1.3使用hclust()進行層次聚類142
8.1.4 k-均值算法150
8.1.5分派新的點到簇154
8.1.6聚類要點156
8.2關聯規則156
8.2. 1關聯規則概述156
8.2.2問題舉例157
8.2.3使用arules程序包挖掘關聯規則158
8.2.4關聯規則要點165
8.3小結165
第9章高級方法探索166
9.1使用bagging和隨機森林方法減少訓練方差167
9.1.1使用bagging方法改進預測167
9.1.2使用隨機森林方法進一步改進預測170
9.1.3 bagging和隨機森林方法要點173
9.2使用廣義加性模型學習非單調關係173
9.2.1理解GAM174
9.2.2一維回歸示例174
9.2.3提取非線性關係178
9.2.4在真實數據上使用GAM179
9.2.5使用GAM實現邏輯斯諦回歸182
9.2.6 GAM要點183
9.3使用核方法提高數據可分性183
9.3. 1理解核函數184
9.3.2在問題中使用顯式核函數187
9.3.3核方法要點190
9.4使用SVM對複雜的決策邊界建模190
9.4.1理解支持向量機190
9.4.2在人工示例數據中使用SVM192
9.4.3在真實數據中使用SVM195
9.4.4支持向量機要點197
9.5小結197
第三部分結果交付
第10章文檔編制和部署200
10.1 buzz數據集200
10.2使用knitr產生里程碑文檔202
10.2. 1 knitr是什麼202
10.2.2 knitr技術詳解204
10.2.3使用knitr編寫buzz數據文檔205
10.3在運行時文檔編制中使用註釋和版本控制208
10.3.1編寫有效註釋208
10.3.2使用版本控制記錄歷史209
10.3.3使用版本控制探索項目213
10.3.4使用版本控制分享工作217
10.4模型部署220
10.4.1將模型部署為R HTTP服務220
10.4.2按照輸出部署模型222
10.4.3要點223
10.5小結224
第11章有效的結果展現226
11.1將結果展現給項目出資方227
11.1.1概述項目目標228
11.1.2陳述項目結果229
11.1.3補充細節230
11.1.4提出建議並討論未來工作231
11.1.5向項目出資方展現的要點232
11.2向最終用戶展現模型232
11.2.1概述項目目標232
11.2.2展現模型如何融入用戶的工作流程233
11.2.3展現如何使用模型235
11.2.4向最終用戶展現的要點236
11.3向其他數據科學家展現你的工作236
11.3.1介紹問題236
11.3.2討論相關工作237
11.3.3討論你的方法238
11.3.4討論結果和未來工作239
11.3.5向其他數據科學家展現的要點240
11.4小結240
附錄A使用R和其他工具241
附錄B重要的統計學概念263
附錄C更多的工具和值得探索的思路292
參考文獻297
索引299