目　　錄
譯者序
前言
第1章　機(jī)器學(xué)習(xí)導(dǎo)論1
1.1　機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析和數(shù)據(jù)科學(xué)1
1.2　機(jī)器學(xué)習(xí)：第一個(gè)示例2
1.2.1　屬性-值格式2
1.2.2　用于診斷疾病的決策樹3
1.3　機(jī)器學(xué)習(xí)策略5
1.3.1　分類5
1.3.2　估計(jì)6
1.3.3　預(yù)測(cè)6
1.3.4　無監(jiān)督聚類9
1.3.5　市場(chǎng)購物籃分析9
1.4　評(píng)估性能9
1.4.1　評(píng)估監(jiān)督模型10
1.4.2　二分類誤差分析10
1.4.3　評(píng)估數(shù)值輸出11
1.4.4　通過測(cè)量提升比較模型11
1.4.5　評(píng)估無監(jiān)督模型13
1.5　倫理問題14
1.6　本章小結(jié)14
1.7　關(guān)鍵術(shù)語15
練習(xí)題16
第2章　R語言簡(jiǎn)介18
2.1　R語言和RStudio簡(jiǎn)介18
2.1.1　R的特性19
2.1.2　安裝R19
2.1.3　安裝RStudio20
2.2　瀏覽RStudio21
2.2.1　控制臺(tái)21
2.2.2　源面板22
2.2.3　全局環(huán)境24
2.2.4　包28
2.3　數(shù)據(jù)在哪里29
2.4　獲取幫助和額外信息29
2.5　本章小結(jié)30
練習(xí)題30
相關(guān)安裝包和函數(shù)總結(jié)31
第3章　數(shù)據(jù)結(jié)構(gòu)和操作32
3.1　數(shù)據(jù)類型32
3.1.1　字符數(shù)據(jù)和因子33
3.2　單模式數(shù)據(jù)結(jié)構(gòu)34
3.2.1　向量34
3.2.2　矩陣和數(shù)組36
3.3　多模式數(shù)據(jù)結(jié)構(gòu)37
3.3.1　列表37
3.3.2　數(shù)據(jù)框38
3.4　編寫自己的函數(shù)39
3.4.1　寫一個(gè)簡(jiǎn)單的函數(shù)39
3.4.2　條件語句41
3.4.3　迭代42
3.4.4　遞歸編程45
3.5　本章小結(jié)46
3.6　關(guān)鍵術(shù)語46
練習(xí)題46
相關(guān)安裝包和函數(shù)總結(jié)47
第4章　準(zhǔn)備數(shù)據(jù)48
4.1　知識(shí)發(fā)現(xiàn)的過程模型48
4.2　創(chuàng)建目標(biāo)數(shù)據(jù)集49
4.2.1　R與關(guān)系模型的接口49
4.2.2　目標(biāo)數(shù)據(jù)的其他來源52
4.3　數(shù)據(jù)預(yù)處理52
4.3.1　噪聲數(shù)據(jù) 52
4.3.2　使用R進(jìn)行預(yù)處理53
4.3.3　檢測(cè)異常值54
4.3.4　缺失數(shù)據(jù)55
4.4　數(shù)據(jù)轉(zhuǎn)換56
4.4.1　數(shù)據(jù)歸一化56
4.4.2　數(shù)據(jù)類型轉(zhuǎn)換57
4.4.3　屬性和實(shí)例選擇57
4.4.4　創(chuàng)建訓(xùn)練集和測(cè)試集
　　　數(shù)據(jù)58
4.4.5　交叉驗(yàn)證和自助法59
4.4.6　大規(guī)模數(shù)據(jù)59
4.5　本章小結(jié)59
4.6　關(guān)鍵術(shù)語60
練習(xí)題60
相關(guān)安裝包和函數(shù)總結(jié)61
第5章　監(jiān)督統(tǒng)計(jì)技術(shù)62
5.1　簡(jiǎn)單線性回歸62
5.2　多元線性回歸66
5.2.1　多元線性回歸：一個(gè)示例67
5.2.2　評(píng)估數(shù)值輸出69
5.2.3　評(píng)估訓(xùn)練/測(cè)試集71
5.2.4　使用交叉驗(yàn)證71
5.2.5　分類數(shù)據(jù)的線性回歸73
5.3　邏輯回歸78
5.3.1　變換線性回歸模型78
5.3.2　邏輯回歸模型79
5.3.3　R中的邏輯回歸79
5.3.4　創(chuàng)建混淆矩陣81
5.3.5　接收器操作特性曲線82
5.3.6　ROC曲線下面積85
5.4　樸素貝葉斯分類器85
5.4.1　貝葉斯分類器：一個(gè)示例85
5.4.2　零-值屬性計(jì)數(shù)87
5.4.3　缺失數(shù)據(jù)88
5.4.4　數(shù)值數(shù)據(jù)88
5.4.5　用樸素貝葉斯進(jìn)行實(shí)驗(yàn)90
5.5　本章小結(jié)93
5.6　關(guān)鍵術(shù)語94
練習(xí)題95
相關(guān)安裝包和函數(shù)總結(jié)97
第6章　基于樹的方法98
6.1　決策樹算法98
6.1.1　一種構(gòu)建決策樹的算法98
6.1.2　C4.5屬性選擇99
6.1.3　構(gòu)建決策樹的其他方法102
6.2　構(gòu)建決策樹：C5.0102
6.2.1　信用卡促銷的決策樹103
6.2.2　模擬客戶流失的數(shù)據(jù) 104
6.2.3　使用C5.0預(yù)測(cè)客戶流失104
6.3　構(gòu)建決策樹：rpart106
6.3.1　信用卡促銷的rpart決策樹 107
6.3.2　訓(xùn)練和測(cè)試rpart：流失
　　　數(shù)據(jù)109
6.3.3　交叉驗(yàn)證rpart：流失數(shù)據(jù)113
6.4　構(gòu)建決策樹：J48113
6.5　用于提高性能的集成技術(shù)115
6.5.1　裝袋算法116
6.5.2　提升116
6.5.3　提升：C5.0的示例117
6.5.4　隨機(jī)森林117
6.6　回歸樹119
6.7　本章小結(jié)121
6.8　關(guān)鍵術(shù)語122
練習(xí)題122
相關(guān)安裝包和函數(shù)總結(jié)123
第7章　基于規(guī)則的技術(shù)124
7.1　從樹到規(guī)則 124
7.1.1　垃圾郵件數(shù)據(jù)集125
7.1.2　垃圾郵件分類：C5.0125
7.2　基本的覆蓋規(guī)則算法128
7.3　生成關(guān)聯(lián)規(guī)則130
7.3.1　置信度和支持度130
7.3.2　挖掘關(guān)聯(lián)規(guī)則：一個(gè)示例131
7.3.3　一般考慮事項(xiàng)134
7.3.4　Rweka的Apriori函數(shù)134
7.4　Rattle用戶界面137
7.5　本章小結(jié)143
7.6　關(guān)鍵術(shù)語144
練習(xí)題144
相關(guān)安裝包和函數(shù)總結(jié)145
第8章　神經(jīng)網(wǎng)絡(luò)146
8.1　前饋神經(jīng)網(wǎng)絡(luò)146
8.1.1　神經(jīng)網(wǎng)絡(luò)輸入格式147
8.1.2　神經(jīng)網(wǎng)絡(luò)輸出格式148
8.1.3　sigmoid評(píng)估函數(shù)149
8.2　神經(jīng)網(wǎng)絡(luò)訓(xùn)練：概念視角150
8.2.1　使用前饋網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)150
8.2.2　具有自組織映射的無監(jiān)督
　　　聚類150
8.3　神經(jīng)網(wǎng)絡(luò)解釋151
8.4　一般考慮事項(xiàng)152
8.4.1　優(yōu)勢(shì)152
8.4.2　劣勢(shì)152