注重体验与质量的电子书资源下载网站
分类于: 计算机基础 人工智能
简介
数据科学：理论、方法与R语言实践 豆 0.0分
资源最后更新于 2020-03-29 04:26:09
作者：〔美〕尼娜·朱梅尔 (Nina Zumel)〔约翰·芒特 (John Mount) 〕约翰·芒特 (John Mount)
译者：于戈 等
出版社：出版社机械工业出版社
出版日期：2016-04
ISBN：9787111529262
文件格式： pdf
简介· · · · · ·
《数据科学：理论、方法与R语言实践》从实用的角度较为全面地展现了数据科学的主要内容。并结合大量的实际项目案例，利用R语言详细地讲解了数据项目的开发过程和关键技术。《数据科学：理论、方法与R语言实践》适合作为高等院校高年级本科生和研究生及从事数据管理与分析的工程技术人员的主要参考书。尼娜·朱梅尔（Nina Zumel），现在是Win—Vector LLC的首席顾问。她曾是SRI International（SRI International是一个独立的非盈利研究机构）的科学家，及一家定价优化公司的首席科学家，并创办了一家合同研究公司。约翰·芒特（John Mount），现在是Win—Vector LLC的首席顾问。他曾是生物技术领域的计算科学家和股票交易算法的设计者，并且在Shopping.com领导一个研究团队。
目录
译者序
序言
前言
第一部分 数据科学引论
第1章 数据科学处理过程
1.1 数据科学项目中的角色
1.2 数据科学项目的阶段
1.3 设定预期
1.4 小结
第2章 向R加载数据
2.1 运用文件中的数据
2.2 在关系数据库上使用R
2.3 小结
第3章 探索数据
3.1 使用概要统计方法发现问题
3.2 用图形和可视化方法发现问题
3.3 小结
第4章 管理数据
4.1 清洗数据
4.2 为建模和验证采样
4.3 小结
第二部分 建模方法
第5章 选择和评价模型
5.1 将业务问题映射到机器学习任务
5.2 模型评价
5.3 模型验证
5.4 小结
第6章 记忆化方法
6.1 KDD和KDD Cup 2009
6.2 构建单变量模型
6.3 构建多变量模型
6.4 小结
第7章 线性回归与逻辑斯谛回归
7.1 使用线性回归
7.2 使用逻辑斯谛回归
7.3 小结
第8章 无监督方法
8.1 聚类分析
8.2 关联规则
8.3 小结
第9章 高级方法探索
9.1 使用bagging和随机森林方法减少训练方差
9.2 使用广义加性模型学习非单调关系
9.3 使用核方法提高数据可分性
9.4 使用SVM对复杂的决策边界建模
9.5 小结
第三部分 结果交付
第10章 文档编制和部署
10.1 buzz数据集
10.2 使用knitr产生里程碑文档
10.3 在运行时文档编制中使用注释和版本控制
10.4 模型部署
10.5 小结
第11章 有效的结果展现
11.1 将结果展现给项目出资方
11.2 向最终用户展现模型
11.3 向其他数据科学家展现你的工作
11.4 小结
附录A 使用R和其他工具
附录B 重要的统计学概念
附录C 更多的工具和值得探索的思路
参考文献
索引
猜你喜欢
Excel 2013 应用技巧实例大全
评分: 0.0
Apple Watch 编程指南
评分: 0.0
PHP 7从零基础到项目实战
评分: 0.0
Spark核心技术与高级应用
评分: 0.0