應(yīng)用預(yù)測建模

定　價(jià)：￥99.00

作　者：	馬克斯·庫恩
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 計(jì)算機(jī)理論

購買這本書可以去

ISBN：	9787111533429	出版時(shí)間：	2016-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	409	字?jǐn)?shù)：

內(nèi)容簡介

　　這是一本專注于預(yù)測建模的數(shù)據(jù)分析書，意在為實(shí)踐者提供預(yù)測建模過程的指導(dǎo)，比如如何進(jìn)行數(shù)據(jù)預(yù)處理、模型調(diào)優(yōu)、預(yù)測變量重要性度量、變量選擇等。讀者可以從中學(xué)到許多建模方法以及提高對許多常用的、現(xiàn)代的有效模型的認(rèn)識，如線性回歸、非線性回歸和分類模型，涉及樹方法、支持向量機(jī)等。第10章和第17章分別研究混凝土混合物的抗壓強(qiáng)度和作業(yè)調(diào)度兩個(gè)案例。作者重實(shí)際應(yīng)用，輕數(shù)學(xué)理論，從實(shí)際數(shù)據(jù)出發(fā)，結(jié)合開源軟件R語言來求解實(shí)際問題，詳細(xì)給出R代碼和處理的步驟。R包AppliedPredictiveModeling包含書中使用的數(shù)據(jù)，以及可以用于重復(fù)書中每一章分析的R代碼，讓讀者能在一定精度范圍內(nèi)重復(fù)本書的結(jié)果，并自然地將書中的預(yù)測建模方法應(yīng)用到自己的數(shù)據(jù)上。章后附有習(xí)題，方便讀者鞏固所學(xué)。這本業(yè)界互相推薦的好書，適合所有數(shù)據(jù)分析人員閱讀。

作者簡介

暫缺《應(yīng)用預(yù)測建?！纷髡吆喗?/div>

圖書目錄

目錄譯者序前言第1章導(dǎo)論11預(yù)測與解釋12預(yù)測模型的關(guān)鍵部分13專業(yè)術(shù)語14實(shí)例數(shù)據(jù)集和典型數(shù)據(jù)場景15概述16符號第一部分一般策略第2章預(yù)測建模過程簡介21案例分析：預(yù)測燃油效能22主題23總結(jié)第3章數(shù)據(jù)預(yù)處理31案例分析：高內(nèi)涵篩選中的細(xì)胞分組32單個(gè)預(yù)測變量數(shù)據(jù)變換33多個(gè)預(yù)測變量數(shù)據(jù)變換34處理缺失值35移除預(yù)測變量36增加預(yù)測變量37區(qū)間化預(yù)測變量38計(jì)算習(xí)題第4章過度擬合與模型調(diào)優(yōu)41過度擬合的問題42模型調(diào)優(yōu)43數(shù)據(jù)分割44重抽樣技術(shù)45案例分析：信用評分46選擇調(diào)優(yōu)參數(shù)值47數(shù)據(jù)劃分建議48不同模型間的選擇49計(jì)算習(xí)題第二部分回歸模型第5章衡量回歸模型的效果51模型效果的定量度量52方差偏差的權(quán)衡53計(jì)算第6章線性回歸及其擴(kuò)展61案例分析：定量構(gòu)效關(guān)系建模62線性回歸63偏最小二乘法64懲罰模型65計(jì)算習(xí)題第7章非線性回歸模型71神經(jīng)網(wǎng)絡(luò)72多元自適應(yīng)回歸樣條73支持向量機(jī)74K近鄰75計(jì)算習(xí)題第8章回歸樹與基于規(guī)則的模型81簡單回歸樹82回歸模型樹83基于規(guī)則的模型84裝袋樹85隨機(jī)森林86助推法87Cubist88計(jì)算習(xí)題第9章溶解度模型總結(jié)第10章案例研究：混凝土混合物的抗壓強(qiáng)度101模型構(gòu)建策略102模型性能103優(yōu)化抗壓強(qiáng)度104計(jì)算第三部分分類模型第11章分類模型的效果度量111類預(yù)測112評估預(yù)測類113評估類概率114計(jì)算第12章判別分析和其他線性分類模型121案例分析：預(yù)測是否成功申請經(jīng)費(fèi)122邏輯回歸123線性判別分析124偏最小二乘判別分析125懲罰模型126最近收縮質(zhì)心127計(jì)算習(xí)題第13章非線性分類模型131非線性判別分析132神經(jīng)網(wǎng)絡(luò)133靈活判別分析134支持向量機(jī)135K近鄰 136樸素貝葉斯137計(jì)算習(xí)題第14章分類樹與基于規(guī)則的模型141基本的分類樹142基于規(guī)則的模型143裝袋決策樹144隨機(jī)森林145助推法146C50147比較兩種分類預(yù)測變量編碼方式148計(jì)算習(xí)題第15章經(jīng)費(fèi)申請模型的總結(jié)第16章對嚴(yán)重類失衡的補(bǔ)救方法161案例分析: 預(yù)測房車保險(xiǎn)所有權(quán) 162類失衡的影響163模型調(diào)優(yōu)164選擇截點(diǎn)165調(diào)整先驗(yàn)概率166不等案例權(quán)重167抽樣方法168成本敏感度訓(xùn)練169計(jì)算習(xí)題第17章案例研究：作業(yè)調(diào)度171數(shù)據(jù)切分和模型策略172結(jié)果173計(jì)算第18章衡量預(yù)測變量重要性181數(shù)值結(jié)果變量182分類結(jié)果變量183其他方法184計(jì)算習(xí)題第19章特征選擇介紹191使用無信息預(yù)測變量的結(jié)果192減少預(yù)測變量個(gè)數(shù)的方法193繞封法194過濾法195選擇偏差196案例分析：預(yù)測認(rèn)知損傷197計(jì)算習(xí)題第20章影響模型表現(xiàn)的因素201第Ⅲ類錯(cuò)誤202結(jié)果變量的測量誤差203預(yù)測變量的測量誤差204連續(xù)變量離散化205模型預(yù)測何時(shí)是可信的206大樣本的影響207計(jì)算習(xí)題附錄附錄A各種模型的總結(jié)附錄BR語言介紹附錄C值得關(guān)注的網(wǎng)站參考文獻(xiàn)