機器學習實踐：數(shù)據(jù)科學應用與工作流的開發(fā)及優(yōu)化

譯者序
序
前言
作者簡介
第一部分　框架原則
第1章　數(shù)據(jù)科學家的定位 2
1.1　引言 2
1.2　數(shù)據(jù)科學家扮演的角色 2
1.2.1　公司規(guī)模 3
1.2.2　團隊背景 3
1.2.3　職業(yè)晉升和發(fā)展 4
1.2.4　重要性 5
1.2.5　工作細分 5
1.3　結論 5
第2章　項目流程 7
2.1　引言 7
2.2　數(shù)據(jù)團隊背景 7
2.2.1　專門崗位與資源池 8
2.2.2　研究分析 8
2.2.3　原型設計 9
2.2.4　集成的工作流 10
2.3　敏捷開發(fā)與產(chǎn)品定位 10
2.4　結論 15
第3章　量化誤差 16
3.1　引言 16
3.2　量化測量值的誤差 16
3.3　抽樣誤差 18
3.4　誤差傳遞 20
3.5　結論 22
第4章　數(shù)據(jù)編碼與預處理 23
4.1　引言 23
4.2　簡單文本預處理 24
4.2.1　分詞 24
4.2.2　n元模型 26
4.2.3　稀疏 26
4.2.4　特征選擇 27
4.2.5　表示學習 29
4.3　信息量損失 31
4.4　結論 33
第5章　假設檢驗 34
5.1　引言 34
5.2　什么是假設 34
5.3　假設檢驗的錯誤類型 36
5.4　p值和置信區(qū)間 37
5.5　多重測試和p值操控 38
5.6　實例 39
5.7　假設檢驗的設計 40
5.8　結論 41
第6章　數(shù)據(jù)可視化 43
6.1　引言 43
6.2　數(shù)據(jù)分布和匯總統(tǒng)計 43
6.2.1　數(shù)據(jù)分布和直方圖 44
6.2.2　散點圖和熱力圖 48
6.2.3　箱線圖和誤差條 52
6.3　時間序列圖 54
6.3.1　移動統(tǒng)計 54
6.3.2　自相關 56
6.4　圖可視化 57
6.4.1　布局算法 57
6.4.2　時間復雜度 59
6.5　結論 60
第二部分　算法與架構
第7章　算法和架構簡介 62
7.1　引言 62
7.2　架構 64
7.2.1　服務 64
7.2.2　數(shù)據(jù)源 65
7.2.3　分批及在線計算 66
7.2.4　規(guī)模擴展 66
7.3　模型 67
7.3.1　訓練 68
7.3.2　預測 68
7.3.3　驗證 69
7.4　結論 70
第8章　距離度量 71
8.1　引言 71
8.2　Jaccard距離 71
8.2.1　算法 72
8.2.2　時間復雜度 73
8.2.3　內存注意事項 73
8.2.4　分布式方法 73
8.3　MinHash 74
8.3.1　假設 75
8.3.2　時空復雜度 75
8.3.3　工具 75
8.3.4　分布式方法 75
8.4　余弦相似度 76
8.4.1　復雜度 78
8.4.2　內存注意事項 78
8.4.3　分布式方法 78
8.5　馬氏距離 78
8.5.1　復雜度 79
8.5.2　內存注意事項 79
8.5.3　分布式方法 79
8.6　結論 80
第9章　回歸 81
9.1　引言 81
9.1.1　選擇模型 82
9.1.2　選擇目標函數(shù) 82
9.1.3　模型擬合 83
9.1.4　模型驗證 84
9.2　線性最小二乘 87
9.2.1　假設 88
9.2.2　復雜度 89
9.2.3　內存注意事項 89
9.2.4　工具 89
9.2.5　分布式方法 89
9.2.6　實例 90
9.3　線性回歸中的非線性回歸 97
9.4　隨機森林 100
9.4.1　決策樹 100
9.4.2　隨機森林 103
9.5　結論 106
第10章　分類和聚類 107
10.1　引言 107
10.2　邏輯回歸 108
10.2.1　假設 111
10.2.2　時間復雜度 111
10.2.3　內存注意事項 112
10.2.4　工具 112
10.3　貝葉斯推斷與樸素貝葉斯 112
10.3.1　假設 114
10.3.2　復雜度 114
10.3.3　內存注意事項 114
10.3.4　工具 114
10.4　K-Means 115
10.4.1　假設 118
10.4.2　復雜度 118
10.4.3　內存注意事項 118
10.4.4　工具 118
10.5　最大特征值 118
10.5.1　復雜度 120
10.5.2　內存注意事項 120
10.5.3　工具 120
10.6　Louvain貪心算法 120
10.6.1　假設 121
10.6.2　復雜度 121
10.6.3　內存注意事項 121
10.6.4　工具 121
10.7　最近鄰算法 121
10.7.1　假設 123
10.7.2　復雜度 123
10.7.3　內存注意事項 123
10.7.4　工具 123
10.8　結論 123
第11章　貝葉斯網(wǎng)絡 125
11.1　引言 125
11.2　因果圖、條件獨立和馬爾
　可夫 126
11.2.1　因果圖和條件獨立 126
11.2.2　穩(wěn)定性和依賴性 127
11.3　d分離和馬爾可夫性質 128
11.3.1　馬爾可夫和因式
　分解 128
11.3.2　d分離 129
11.4　貝葉斯網(wǎng)絡的因果圖 132
11.5　模型擬合 133
11.6　結論 136
第12章　降維與隱變量模型 137
12.1　引言 137
12.2　先驗 137
12.3　因子分析 139
12.4　主成分分析 140
12.4.1　復雜度 142
12.4.2　內存注意事項 142
12.4.3　工具 142
12.5　獨立成分分析 142
12.5.1　假設 145
12.5.2　復雜度 145
12.5.3　內存注意事項 146
12.5.4　工具 146
12.6　LDA主題模型 146
12.7　結論 152
第13章　因果推斷 153
13.1　引言 153
13.2　實驗 154
13.3　觀測值：一個實例 157
13.4　非因果阻斷控制法 163
13.5　機器學習估計量 167
13.5.1　重新審視G公式 167
13.5.2　實例 168
13.6　結論 172
第14章　高級機器學習 173
14.1　引言 173
14.2　優(yōu)化 173
14.3　神經(jīng)網(wǎng)絡 175
14.3.1　神經(jīng)網(wǎng)絡層 176
14.3.2　神經(jīng)網(wǎng)絡容量 177
14.3.3　過擬合 179
14.3.4　批擬合 183
14.3.5　損失函數(shù) 183
14.4　結論 185
第三部分　瓶頸和優(yōu)化
第15章　硬件基礎 188
15.1　引