R語言機器學習（原書第2版）

譯者序
前言
第1章　機器學習和R語言入門1
1.1　了解發(fā)展歷程1
1.1.1　統(tǒng)計學習2
1.1.2　機器學習2
1.1.3　人工智能3
1.1.4　數(shù)據(jù)挖掘3
1.1.5　數(shù)據(jù)科學4
1.2　概率與統(tǒng)計5
1.2.1　計數(shù)和概率的定義5
1.2.2　事件和關系7
1.2.3　隨機性、概率和分布9
1.2.4　置信區(qū)間和假設檢驗9
1.3　R語言入門13
1.3.1　基本組成部分13
1.3.2　R語言的數(shù)據(jù)結(jié)構(gòu)14
1.3.3　子集處理15
1.3.4　函數(shù)和Apply系列17
1.4　機器學習過程工作流19
1.4.1　計劃20
1.4.2　探索20
1.4.3　構(gòu)建20
1.4.4　評估20
1.5　其他技術21
1.6　小結(jié)21
第2章　數(shù)據(jù)準備和探索22
2.1　規(guī)劃數(shù)據(jù)收集23
2.1.1　變量類型23
2.1.2　數(shù)據(jù)格式24
2.1.3　數(shù)據(jù)源的類型29
2.2　初始數(shù)據(jù)分析30
2.2.1　初步印象30
2.2.2　把多個數(shù)據(jù)源組織到一起32
2.2.3　整理數(shù)據(jù)34
2.2.4　補充更多信息37
2.2.5　重塑38
2.3　探索性數(shù)據(jù)分析38
2.3.1　摘要統(tǒng)計量39
2.3.2　矩42
2.4　案例研究：信用卡欺詐46
2.4.1　數(shù)據(jù)導入46
2.4.2　數(shù)據(jù)變換47
2.4.3　數(shù)據(jù)探索48
2.5　小結(jié)50
第3章　抽樣與重抽樣技術51
3.1　介紹抽樣技術51
3.2　抽樣的術語52
3.2.1　樣本52
3.2.2　抽樣分布52
3.2.3　總?cè)后w的均值和方差53
3.2.4　樣本均值和方差53
3.2.5　匯總的均值和方差53
3.2.6　抽樣點53
3.2.7　抽樣誤差54
3.2.8　抽樣率54
3.2.9　抽樣偏誤54
3.2.10　無放回的抽樣54
3.2.11　有放回的抽樣55
3.3　信用卡欺詐：總?cè)后w的統(tǒng)計量55
3.3.1　數(shù)據(jù)描述55
3.3.2　總?cè)后w的均值56
3.3.3　總?cè)后w的方差56
3.3.4　匯總的均值和方差56
3.4　抽樣在業(yè)務上的意義59
3.5　概率和非概率抽樣60
3.6　關于抽樣分布的統(tǒng)計理論61
3.6.1　大數(shù)定律62
3.6.2　中心極限定理64
3.7　概率抽樣技術67
3.7.1　總?cè)后w的統(tǒng)計量67
3.7.2　簡單隨機抽樣70
3.7.3　系統(tǒng)性隨機抽樣75
3.7.4　分層隨機抽樣78
3.7.5　聚類抽樣83
3.7.6　自助抽樣88
3.8　蒙特卡羅方法：接受-拒絕93
3.9　小結(jié)95
第4章　R語言里的數(shù)據(jù)可視化96
4.1　ggplot2組件包簡介97
4.2　世界經(jīng)濟發(fā)展指標97
4.3　折線圖97
4.4　堆疊柱狀圖102
4.5　散點圖106
4.6　箱形圖107
4.7　直方圖和密度圖109
4.8　餅圖113
4.9　相關圖114
4.10　熱點圖116
4.11　氣泡圖117
4.12　瀑布圖120
4.13　系統(tǒng)樹圖122
4.14　關鍵字云124
4.15　?；鶊D126
4.16　時間序列圖127
4.17　隊列圖129
4.18　空間圖130
4.19　小結(jié)133
第5章　特征工程135
5.1　特征工程簡介135
5.2　了解工作數(shù)據(jù)136
5.2.1　數(shù)據(jù)摘要137
5.2.2　因變量的屬性137
5.2.3　特征的可用性：連續(xù)型或
　　　分類型140
5.2.4　設置數(shù)據(jù)的假設141
5.3　特征排名141
5.4　變量子集的選擇144
5.4.1　過濾器方法145
5.4.2　包裝器方法148
5.4.3　嵌入式方法154
5.5　主成分分析158
5.6　小結(jié)161
第6章　機器學習理論和實踐162
6.1　機器學習的類型163
6.1.1　有監(jiān)督學習164
6.1.2　無監(jiān)督學習164
6.1.3　半監(jiān)督學習165
6.1.4　強化學習165
6.2　機器學習算法的類別165
6.3　實際環(huán)境的數(shù)據(jù)集168
6.3.1　房產(chǎn)售價168
6.3.2　購買偏好169
6.3.3　Twitter訂閱和文章169
6.3.4　乳腺癌170
6.3.5　購物籃170
6.3.6　亞馬遜美食評論170
6.4　回歸分析171
6.5　相關分析172
6.5.1　線性回歸174
6.5.2　簡單線性回歸175
6.5.3　多元線性回歸177
6.5.4　模型診斷：線性回歸180
6.5.5　多項回歸190
6.5.6　邏輯回歸193
6.5.7　logit變換194
6.5.8　幾率比194
6.5.9　模型診斷：邏輯回歸200
6.5.10　多項邏輯回歸208
6.5.11　廣義線性模型211
6.5.12　結(jié)論212
6.6　支持向量機213
6.6.1　線性SVM214
6.6.2　二元SVM分類模型214
6.6.3　多類別SVM216
6.6.4　結(jié)論217
6.7　決策樹217
6.7.1　決策樹的類型218
6.7.2　決策指標219
6.7.3　決策樹學習方法221
6.7.4　集成樹235
6.7.5　結(jié)論241
6.8　樸素貝葉斯方法241
6.8.1　條件概率241
6.8.2　貝葉斯定理241
6.8.3　先驗概率242
6.8.4　后驗概率242
6.8.5　似然和邊際似然242
6.8.6　樸素貝葉斯方法243
6.8.7　結(jié)論247
6.9　聚類分析247
6.9.1　聚類方法簡介248
6.9.2　聚類算法248
6.9.3　內(nèi)部評估256
6.9.4　外部評估257
6.9.5　結(jié)論259
6.10　關聯(lián)規(guī)則挖掘259
6.10.1　關聯(lián)概念簡介259
6.10.2　規(guī)則挖掘算法261
6.10.3　推薦算法267
6.10.4　結(jié)論273
6.11　人工神經(jīng)網(wǎng)絡273
6.11.1　人類認知學習273
6.11.2　感知器275
6.11.3　Sigmoid神經(jīng)元276
6.11.4　神經(jīng)網(wǎng)絡的體系架構(gòu)277
6.11.5　有監(jiān)督與無監(jiān)督的神經(jīng)網(wǎng)絡278
6.11.6　神經(jīng)網(wǎng)絡的學習算法279
6.11.7　前饋反向傳播281
6.11.8　結(jié)論286
6.12　文本挖掘方法286
6.12.1　文本挖掘簡介287
6.12.2　文本摘要288
6.12.3　TF-IDF289
6.12.4　詞性標注291
6.12.5　關鍵字云295
6.12.6　文本分析：Microsoft Cognitive Services295
6.12.7　結(jié)論304
6.13　在線機器學習算法304
6.13.1　模糊C均值聚類305
6.13.2　結(jié)論308
6.14　構(gòu)建模型的核對清單308
6.15　小結(jié)308
第7章　機器學習模型的評估309
7.1　數(shù)據(jù)集309
7.1.1　房產(chǎn)售價309
7.1.2　購買偏好311
7.2　模型性能和評估入門312
7.3　模型性能評估的目標313
7.4　總?cè)后w的穩(wěn)定性指數(shù)314
7.5　連續(xù)型輸出的模型評估318
7.5.1　平均誤差320
7.5.2　均方根誤差321
7.5.3　R2322
7.6　離散型輸出的模型評估325
7.6.1　分類矩陣325
7.6.2　靈敏度和特異性329
7.6.3　ROC曲線下的面積330
7.7　概率技術333
7.7.1　K折交叉驗證333
7.7.2　自助抽樣335
7.8　Kappa誤差指標336
7.9　小結(jié)339
第8章　模型性能改進340
8.1　Caret組件包概述341
8.2　超參數(shù)簡介343
8.3　超參數(shù)優(yōu)化345
8.3.1　人工搜索346
8.3.2　人工網(wǎng)格搜索348
8.3.3　自動網(wǎng)格搜索349
8.3.4　搜索351
8.3.5　隨機搜索353
8.3.6　自定義搜索354
8.4　偏誤和方差權(quán)衡357
8.5　集成學習簡介360
8.5.1　投票集成360
8.5.2　集成學習中的高級方法361
8.6　在R語言里演示集成技術364
8.6.1　裝袋樹364
8.6.2　決策樹的梯度增強366
8.6.3　混合knn和rpart369
8.6.4　利用caretEnsemble進行堆疊370
8.7　高級主題：機器學習模型的貝葉斯優(yōu)化374
8.8　小結(jié)379
第9章　時間序列模型380
9.1　時間序列的組成部分380
9.2　平穩(wěn)性檢驗383
9.3　ACF和AR模型386
9.4　PACF和MA模型388
9.5　ARIMA模型391
9.6　具有AR誤差的線性回歸397
9.7　小結(jié)400
第10章　可擴展機器學習和相關技術402
10.1　分布式處理和存儲402
10.1.1　GFS403
10.1.2　MapReduce404
10.1.3　R語言里的并行執(zhí)行404
10.2　Hadoop生態(tài)系統(tǒng)407
10.2.1　MapReduce408
10.2.2　Hive411
10.2.3　Apache Pig414
10.2.4　HBase417
10.2.5　Spark418
10.3　在R語言環(huán)境下用Spark進行機器學習419
10.3.1　設置環(huán)境變量419
10.3.2　初始化Spark會話420
10.3.3　加載數(shù)據(jù)并運行預處理420
10.3.4　創(chuàng)建SparkDataFrame421
10.3.5　構(gòu)建機器學習模型421
10.3.6　對測試數(shù)據(jù)進行預測422
10.3.7　終止SparkR會話423
10.4　在R語言里利用H2O進行機器學習423
10.4.1　安裝組件包424
10.4.2　H2O集群的初始化424
10.5　小結(jié)425
第11章　用Keras和TensorFlow進行深度學習427
11.1　深度學習簡介427
11.2　深度學習架構(gòu)428
11.2.1　卷積神經(jīng)網(wǎng)絡428
11.2.2　遞歸神經(jīng)網(wǎng)絡429
11.2.3　生成對抗網(wǎng)絡430
11.3　深度學習的工具集431
11.3.1　高級庫431
11.3.2　后端引擎或框架431
11.3.3　硬件能力432
11.3.4　編程語言的選擇432
11.3.5　云基礎架構(gòu)432
11.4　用例：識別Quora中的重復問題432
11.4.1　環(huán)境設置432
11.4.2　數(shù)據(jù)預處理433
11.4.3　基準模型434
11.4.4　Siamese遞歸架構(gòu)435
11.4.5　Keras模型437
11.4.6　模型的摘要437
11.4.7　驗證樣本438
11.4.8　訓練模型438
11.4.9　保存模型439
11.4.10　模型性能439
11.4.11　進行預測440
11.4.12　預測示例440
11.5　小結(jié)441