网站首页 软件下载 游戏下载 翻译软件 电子书下载 电影下载 电视剧下载 教程攻略
书名 | 数据挖掘与预测分析(第2版)/大数据应用与技术丛书 |
分类 | |
作者 | (美)Daniel T.Larose//Chantal D.Larose |
出版社 | 清华大学出版社 |
下载 | ![]() |
简介 | 内容推荐 本书提出的方法和技术全面、深入,几乎涵盖了当前应用中常见的各类挖掘与分析方法。对方法的介绍从概念、算法、评价等部分着手,深入浅出地加以介绍。在介绍方法的章节中增加了R语言开发园地,帮助读者利用R语言开展实际设计和开发工作,获得章节中涉及内容的结果,便于读者掌握所学内容。 作者简介 Daniel T.Larose博士,美国中康涅狄格州立大学数学科学教授,数据挖掘项目负责人。出版与数据挖掘、Web挖掘和统计理论等相关论著多本。他也是《微软》、《福布斯》杂志以及《经济学人》杂志等数据挖掘与统计分析领域的顾问。 Chantal D.Larose是美国康涅狄格大学的在读博士。其研究领域包括缺失数据填补以及基于模型的聚类等。她已获得美国新帕尔兹纽约州立大学商学院决策科学领域助理教授的职位。 目录 第Ⅰ部分 数据准备 第1章 数据挖掘与预测分析概述 3 1.1 什么是数据挖掘和预测分析 3 1.2 需求:数据挖掘技术人员 4 1.3 数据挖掘离不开人的参与 5 1.4 跨行业数据挖掘标准过程:CRISP-DM 6 1.5 数据挖掘的谬误 8 1.6 数据挖掘能够完成的任务 9 1.6.1 描述 9 1.6.2 评估 10 1.6.3 预测 11 1.6.4 分类 11 1.6.5 聚类 13 1.6.6 关联 14 R语言开发园地 15 R参考文献 16 练习 16 第2章 数据预处理 17 2.1 需要预处理数据的原因 17 2.2 数据清理 18 2.3 处理缺失数据 19 2.4 识别错误分类 22 2.5 识别离群值的图形方法 22 2.6 中心和散布度量 24 2.7 数据变换 26 2.8 min-max规范化 26 2.9 Z-score标准化 27 2.10 小数定标规范化 28 2.11 变换为正态数据 28 2.12 识别离群值的数值方法 34 2.13 标志变量 35 2.14 将分类变量转换为数值变量 35 2.15 数值变量分箱 36 2.16 对分类变量重新划分类别 37 2.17 添加索引字段 37 2.18 删除无用变量 38 2.19 可能不应该删除的变量 38 2.20 删除重复记录 39 2.21 ID字段简述 39 R语言开发园地 39 R参考文献 45 练习 45 第3章 探索性数据分析 49 3.1 假设检验与探索性数据分析 49 3.2 了解数据集 49 3.3 探索分类变量 52 3.4 探索数值变量 58 3.5 探索多元关系 62 3.6 选择感兴趣的数据子集作进一步研究 64 3.7 使用EDA发现异常字段 64 3.8 基于预测值分级 65 3.9 派生新变量:标志变量 67 3.10 派生新变量:数值变量 69 3.11 使用EDA探测相关联的预测变量 70 3.12 EDA概述 73 R语言开发园地 73 R参考文献 80 练习 80 第4章 降维方法 83 4.1 数据挖掘中降维的必要性 83 4.2 主成分分析 84 4.3 将主成分分析应用于房屋数据集 87 4.4 应提取多少个主成分 91 4.4.1 特征值标准 91 4.4.2 解释变异的比例标准 92 4.4.3 最小共性标准 92 4.4.4 坡度图标准 92 4.5 主成分描述 94 4.6 共性 96 4.7 主成分验证 97 4.8 因子分析法 98 4.9 因子分析法在成年人数据集中的应用 99 4.10 因子旋转 101 4.11 用户自定义合成 104 4.12 用户自定义合成的示例 105 R语言开发园地 106 R参考文献 110 练习 111 第Ⅱ部分 统计分析 第5章 单变量统计分析 117 5.1 数据知识发现中的数据挖掘任务 117 5.2 用于估计和预测的统计方法 117 5.3 统计推理 118 5.4 我们对评估的确信程度如何 119 5.5 均值的置信区间估计 120 5.6 如何减少误差范围 121 5.7 比例的置信区间估计 122 5.8 均值的假设检验 123 5.9 拒绝零假设的证据力度的评估 125 5.10 使用置信区间执行假设检验 126 5.11 比例的假设检验 127 R语言开发园地 128 R参考文献 129 练习 129 第6章 多元统计 133 6.1 描述均值差异的两样例t-检验方法 133 6.2 判断总体差异的两样例Z-检验 134 6.3 比例均匀性的测试 135 6.4 多元数据拟合情况的卡方检验 137 6.5 方差分析 138 R语言开发园地 141 R参考文献 143 练习 143 第7章 数据建模准备 145 7.1 有监督学习与无监督学习 145 7.2 统计方法与数据挖掘方法 146 7.3 交叉验证 146 7.4 过度拟合 147 7.5 偏差-方差权衡 148 7.6 平衡训练数据集 150 7.7 建立基线性能 151 R语言开发园地 152 R参考文献 153 练习 153 第8章 简单线性回归 155 8.1 简单线性回归示例 155 8.2 外推的危险 161 8.3 回归有用吗?系数的确定 162 8.4 估计标准误差 166 8.5 相关系数r 167 8.6 简单线性回归的方差分析表 169 8.7 离群点、高杠杆率点与有影响的观察点 170 8.8 回归方程概括 178 8.9 回归假设验证 179 8.10 回归推理 184 8.11 x与y之间关系的t-检验 185 8.12 回归直线斜率的置信区间 187 8.13 相关系数ρ的置信区间 188 8.14 给定均值的置信区间 190 8.15 给定随机选择值的预测区间 191 8.16 获得线性特性的变换 194 8.17 博克斯-考克斯变换 199 R语言开发园地 199 R参考文献 205 练习 205 第9章 多元回归与模型构建 213 9.1 多元回归示例 213 9.2 总体多元回归方程 218 9.3 多元回归推理 219 9.3.1 y与xi之间关系的t-检验 219 9.3.2 营养等级与含糖量之间关系的t-检验 220 9.3.3 营养等级与纤维含量之间关系的t-检验 220 9.3.4 总体回归模型显著性的F-检验 221 9.3.5 营养等级与含糖量和纤维含量之间关系的F-检验 222 9.3.6 特定系数βi的置信区间 223 9.3.7 (在给定x1,x2,…,xm的情况下)y的均值的置信区间 223 9.3.8 (在给定x1,x2,…,xm的情况下)随机选择的y值的预测区间 223 9.4 利用指示变量的包含范畴型预测变量的回归 224 9.5 调整R2:惩罚包含无用预测变量的模型 230 9.6 序列平方和 231 9.7 多重共线性 233 9.8 变量选择方法 239 9.8.1 有偏F-检验 239 9.8.2 前向选择过程 240 9.8.3 反向删除过程 241 9.8.4 逐步选择过程 241 9.8.5 最佳子集过程 241 9.8.6 “所有可能子集”过程 242 9.9 油耗数据集 242 9.10 变量选择方法的应用 243 9.10.1 应用于油耗数据集的前向选择过程 244 9.10.2 应用于油耗数据集的后向删除过程 245 9.10.3 应用于油耗数据集的逐步选择过程 246 9.10.4 应用于油耗数据集的最佳子集过程 246 9.10.5 Mallows’Cp统计量 247 9.11 将主成分作为预测变量进行多元回归 251 R语言开发园地 255 R参考文献 265 练习 265 第Ⅲ部分 分类 第10章 K-最近邻算法 273 10.1 分类任务 273 10.2 k-最近邻算法 274 10.3 距离函数 276 10.4 组合函数 279 10.4.1 简单权重投票方式 279 10.4.2 加权投票 279 10.5 量化属性的相关性:轴伸缩 280 10.6 数据库方面的考虑 281 10.7 将k-最近邻算法用于评估和预测 281 10.8 k值的选择 282 10.9 利用IBM/SPSS建模工具应用k-最近邻算法 283 R语言开发园地 284 R参考文献 286 练习 286 第11章 决策树 289 11.1 决策树是什么 289 11.2 使用决策树的要求 291 11.3 分类与回归树 291 11.4 C4.5算法 297 11.5 决策规则 302 11.6 比较C5.0和CART算法应用到实际的数据 303 R语言开发园地 306 R参考文献 307 练习 308 第12章 神经元网络 311 12.1 输入和输出编码 312 12.2 神经元网络用于评估和预测 313 12.3 神经元网络的简单示例 314 12.4 sigmoid激活函数 316 12.5 反向传播 317 12.6 梯度下降法 317 12.7 反向传播规则 318 12.8 反向传播示例 319 12.9 终止条件 320 12.10 学习率 321 12.11 动量项 322 12.12 敏感性分析 323 12.13 神经元网络建模应用 324 R语言开发园地 326 R参考文献 328 练习 328 第13章 logistic回归 331 13.1 logistic回归简单示例 331 13.2 最大似然估计 333 13.3 解释logistic回归的输出 334 13.4 推理:这些预测有显著性吗 335 13.5 概率比比率与相对风险 337 13.6 对二分logistic回归预测的解释 339 13.7 对应用于多元预测变量的logistic回归的解释 342 13.8 对应用于连续型预测变量的logistic回归的解释 346 13.9 线性假设 351 13.10 零单元问题 353 13.11 多元logistic回归 355 13.12 引入高阶项处理非线性 359 13.13 logistic回归模型的验证 366 13.14 WEKA:应用logistic回归的实践分析 370 R语言开发园地 374 R参考文献 380 练习 380 第14章 朴素贝叶斯与贝叶斯网络 385 14.1 贝叶斯方法 385 14.2 最大后验(MAP)分类 387 14.3 后验概率比 391 14.4 数据平衡 393 14.5 朴素贝叶斯分类 394 14.6 解释对数后验概率比 397 14.7 零单元问题 398 14.8 朴素贝叶斯分类中的数值型预测变量 399 14.9 WEKA:使用朴素贝叶斯开展分析 402 14.10 贝叶斯信念网络 406 14.11 衣物购买示例 407 14.12 利用贝叶斯网络发现概率 409 R语言开发园地 413 R参考文献 417 练习 417 第15章 模型评估技术 421 15.1 用于描述任务的模型评估技术 421 15.2 用于评估和预测任务的模型评估技术 422 15.3 用于分类任务的模型评估方法 423 15.4 准确率和总误差率 425 15.5 灵敏性和特效性 426 15.6 假正类率和假负类率 427 15.7 真正类、真负类、假正类、假负类的比例 427 15.8 通过误分类成本调整来反映现实关注点 429 15.9 决策成本/效益分析 430 15.10 提升图表和增益图表 431 15.11 整合模型评估与模型建立 434 15.12 结果融合:应用一系列模型 435 R语言开发园地 436 R参考文献 436 练习 437 第16章 基于数据驱动成本的成本-效益分析 439 16.1 在行调整条件下的决策不变性 439 16.2 正分类标准 440 16.3 正分类标准的示范 442 16.4 构建成本矩阵 444 16.5 在缩放条件下的决策不变性 445 16.6 直接成本和机会成本 446 16.7 案例研究:基于数据驱动误分类成本的成本-效益分析 446 16.8 再平衡作为误分类成本的代理 450 R语言开发园地 452 R参考文献 455 练习 455 第17章 三元和k元分类模型的成本-效益分析 459 17.1 三元目标的分类评估变量 459 17.2 三元分类评估度量在贷款审批问题中的应用 462 17.3 三元贷款分类问题的数据驱动成本-效益分析 466 17.4 比较使用/不使用数据驱动误分类成本的CART模型 467 17.5 一般的k元目标的分类评估度量 470 17.6 k元分类中评估度量和数据驱动误分类成本的示例 472 R语言开发园地 474 R参考文献 475 练习 475 第18章 分类模型的图形化评估 477 18.1 回顾提升图表和增益图表 477 18.2 使用误分类成本的提升图表和增益图表 477 18.3 响应图表 479 18.4 利润图表 479 18.5 投资回报(ROI)图表 482 R语言开发园地 482 R参考文献 484 练习 484 第Ⅳ部分 聚类 第19章 层次聚类和k-均值聚类 489 19.1 聚类任务 489 19.2 层次聚类方法 491 19.3 单一链聚类 492 19.4 完全链聚类 493 19.5 k-均值聚类 494 19.6 k-均值聚类实操示例 495 19.7 k-均值算法执行中MSB、MSE和伪-F的行为 498 19.8 SAS Enterprise Miner中k-均值算法的应用 499 19.9 使用簇成员关系来预测客户流失 501 R语言开发园地 502 R参考文献 503 练习 504 第20章 Kohonen网络 505 20.1 自组织映射 505 20.2 Kohonen网络 507 20.3 Kohonen网络学习示例 508 20.4 簇有效性 511 20.5 使用Kohonen网络进行聚类应用 511 20.6 解释簇 512 20.7 将簇成员关系作为下游数据挖掘模型的输入 517 R语言开发园地 518 R参考文献 520 练习 520 第21章 BIRCH聚类 521 21.1 BIRCH聚类的理论基础 521 21.2 簇特征 522 21.3 簇特征树 523 21.4 阶段1:构建CF树 523 21.5 阶段2:聚类子簇 525 21.6 BIRCH聚类示例之阶段1:构建CF树 525 21.7 BIRCH聚类示例之阶段2:聚类子簇 530 21.8 候选聚类解决方案的评估 530 21.9 案例研究:在银行贷款数据集上应用BIRCH聚类 531 21.9.1 案例研究第1课:对于任意聚类算法避免高度相关的输入 532 21.9.2 案例研究第2课:不同的排序可能会导致不同的簇数目 535 R语言开发园地 537 R参考文献 538 练习 538 第22章 度量簇的优劣 541 22.1 度量簇优劣的基本原理 541 22.2 轮廓方法 541 22.3 轮廓值示例 542 22.4 Iris数据集的轮廓值分析 544 22.5 伪-F统计方法 547 22.6 伪-F统计示例 549 22.7 将伪-F统计应用于Iris数据集 550 22.8 簇验证 551 22.9 将簇验证方法应用于贷款数据集 551 R语言开发园地 554 R参考文献 556 练习 557 第Ⅴ部分 关联规则 第23章 关联规则 561 23.1 亲和度分析与购物篮分析 561 23.2 支持度、可信度、频繁项集和先验属性 564 23.3 先验算法工作原理(第1部分)—— 建立频繁项集 565 23.4 先验算法工作原理(第2部分)—— 建立关联规则 566 23.5 从标志数据扩展到分类数据 569 23.6 信息理论方法:广义规则推理方法 570 23.7 关联规则不易做好 571 23.8 度量关联规则可用性的方法 573 23.9 关联规则是监督学习还是无监督学习 574 23.10 局部模式与全局模型 574 R语言开发园地 575 R参考文献 575 练习 576 第Ⅵ部分 增强模型性能 第24章 细分模型 581 24.1 细分建模过程 581 24.2 利用EDA识别分段的细分建模 583 24.3 利用聚类方法识别分段的细分建模 585 R语言开发园地 589 R参考文献 591 练习 591 第25章 集成方法:bagging和boosting 593 25.1 使用集成分类模型的理由 593 25.2 偏差、方差与噪声 594 25.3 适合采用bagging的场合 595 25.4 bagging 596 25.5 boosting 599 25.6 使用IBM/SPSS建模器应用bagging和boosting 602 参考文献 603 R语言开发园地 604 R参考文献 605 练习 606 第26章 模型投票与趋向平均 609 26.1 简单模型投票 609 26.2 其他投票方法 610 26.3 模型投票过程 611 26.4 模型投票的应用 612 26.5 什么是趋向平均 616 26.6 趋向平均过程 616 26.7 趋向平均的应用 618 R语言开发园地 619 R参考文献 621 练习 622 第Ⅶ部分 更多主题 第27章 遗传算法 627 27.1 遗传算法简介 627 27.2 基因算法的基本框架 628 27.3 遗传算法的简单示例 629 27.3.1 第1次迭代 629 27.3.2 第2次迭代 631 27.4 改进及增强:选择 631 27.5 改进及增强:交叉 633 27.5.1 多点交叉 633 27.5.2 通用交叉 634 27.6 实值变量的遗传算法 634 27.6.1 单一算术交叉 635 27.6.2 简单算术交叉 635 27.6.3 完全算术交叉 635 27.6.4 离散交叉 635 27.6.5 正态分布突变 635 27.7 利用遗传算法训练神经元网络 636 27.8 WEKA:使用遗传算法进行分析 640 R语言开发园地 646 R参考文献 647 练习 647 第28章 缺失数据的填充 649 28.1 缺失数据填充的必要性 649 28.2 缺失数据填充:连续型变量 650 28.3 填充的标准误差 653 28.4 缺失值填充:范畴型变量 653 28.5 缺失的处理模式 654 参考文献 655 R语言开发园地 655 R参考文献 657 练习 658 第Ⅷ部分 案例研究:对直邮营销的响应预测 第29章 案例研究,第1部分:业务理解、数据预处理和探索性数据分析 661 29.1 数据挖掘的跨行业标准 661 29.2 业务理解阶段 662 29.3 数据理解阶段,第一部分:熟悉数据集 663 29.4 数据准备阶段 667 29.4.1 消费金额为负值的情况 667 29.4.2 实现正态性或对称性的转换 669 29.4.3 标准化 671 29.4.4 派生新变量 671 29.5 数据理解阶段,第二部分:探索性数据分析 674 29.5.1 探索预测因子和响应之间的关系 674 29.5.2 研究预测因子间的相关性结构 679 29.5.3 逆转换对于解释的重要性 682 第30章 案例研究,第2部分:聚类与主成分分析 685 30.1 数据划分 685 30.2 制定主成分 686 30.3 验证主成分 689 30.4 主成分概括 691 30.5 利用BIRCH聚类算法选择最优聚类数 694 30.6 利用k均值聚类算法选择最优聚类数 695 30.7 k-均值聚类应用 696 30.8 验证聚类 697 30.9 聚类概括 698 第31章 案例研究,第3部分:建模与评估性能和可解释性 699 31.1 选择性能最佳模型,还是既要性能又要可解释性 699 31.2 建模与评估概述 700 31.3 利用数据驱动开销开展损益分析 700 31.4 输入到模型中的变量 702 31.5 建立基线模型性能 703 31.6 利用误分类开销的模型 704 31.7 需要用代理调整误分类开销的模型 705 31.8 采用投票和趋向平均方法合并模型 706 31.9 对利润最佳模型的解释 707 第32章 案例研究,第4部分:高性能建模与评估 709 32.1 输入到模型中的变量 709 32.2 使用误分类开销的模型 710 32.3 需要作为误分类开销代理调整的模型 710 32.4 使用投票和趋向平均的合并模型 711 32.5 经验总结 713 32.6 总结 713 附录A 数据汇总与可视化 715 |
随便看 |
|
霍普软件下载网电子书栏目提供海量电子书在线免费阅读及下载。