(特价书)机器学习与R语言（原书第3版）

1.5.3　安装RStudio 18
1.6　总结 19
第2章　管理和理解数据 20
2.1　R数据结构 20
2.1.1　向量 20
2.1.2　因子 22
2.1.3　列表 23
2.1.4　数据框 25
2.1.5　矩阵和数组 27
2.2　用R管理数据 28
2.2.1　保存、载入和移除R数据结构 29
2.2.2　从CSV文件导入数据和将数据保存为CSV文件 29
2.3　探索和理解数据 31
2.3.1　探索数据的结构 31
2.3.2　探索数值变量 32
2.3.3　探索分类变量 40
2.3.4　探索变量之间的关系 41
2.4　总结 44
第3章　懒惰学习——使用近邻分类 46
3.1　理解近邻分类 46
3.1.1　k近邻算法 47
3.1.2　为什么k-NN算法是懒惰的 52
3.2　例子—用k-NN算法诊断乳腺癌 53
3.2.1　第1步—收集数据 53
3.2.2　第2步—探索和准备数据 54
3.2.3　第3步—基于数据训练模型 57
3.2.4　第4步—评估模型的性能 58
3.2.5　第5步—提高模型的性能 59
3.3　总结 61
第4章　概率学习——朴素贝叶斯分类 62
4.1　理解朴素贝叶斯 62
4.1.1　贝叶斯方法的基本概念 63
4.1.2　朴素贝叶斯算法 67
4.2　例子—基于贝叶斯算法的手机垃圾短信过滤 72
4.2.1　第1步—收集数据 72
4.2.2　第2步—探索和准备数据 73
4.2.3　第3步—基于数据训练模型 84
4.2.4　第4步—评估模型的性能 85
4.2.5　第5步—提高模型的性能 86
4.3　总结 87
第5章　分而治之——应用决策树和规则进行分类 88
5.1　理解决策树 88
5.1.1　分而治之 89
5.1.2　C5.0决策树算法 92
5.2　例子—使用C5.0决策树识别高风险银行贷款 95
5.2.1　第1步—收集数据 95
5.2.2　第2步—探索和准备数据 95
5.2.3　第3步—基于数据训练模型 98
5.2.4　第4步—评估模型的性能 100
5.2.5　第5步—提高模型的性能 100
5.3　理解分类规则 104
5.3.1　独立而治之 104
5.3.2　1R算法 106
5.3.3　RIPPER算法 108
5.3.4　来自决策树的规则 109
5.3.5　什么使决策树和规则贪婪 110
5.4　例子—应用规则学习算法识别有毒的蘑菇 111
5.4.1　第1步—收集数据 111
5.4.2　第2步—探索和准备数据 112
5.4.3　第3步—基于数据训练模型 112
5.4.4　第4步—评估模型的性能 114
5.4.5　第5步—提高模型的性能 115
5.5　总结 117
第6章　预测数值型数据——回归方法 118
6.1　理解回归 118
6.1.1　简单线性回归 120
6.1.2　普通最小二乘估计 122
6.1.3　相关性 123
6.1.4　多元线性回归 124
6.2　例子—应用线性回归预测医疗费用 127
6.2.1　第1步—收集数据 128
6.2.2　第2步—探索和准备数据 128
6.2.3　第3步—基于数据训练模型 132
6.2.4　第4步—评估模型的性能 134
6.2.5　第5步—提高模型的性能 135
6.2.6　第6步—用回归模型进行预测 138
6.3　理解回归树和模型树 140
6.4　例子—用回归树和模型树估计葡萄酒的质量 142
6.4.1　第1步—收集数据 142
6.4.2　第2步—探索和准备数据 143
6.4.3　第3步—基于数据训练模型 144
6.4.4　第4步—评估模型的性能 147
6.4.5　第5步—提高模型的性能 149
6.5　总结 151
第7章　黑箱方法—神经网络和支持向量机 152
7.1　理解神经网络 152
7.1.1　从生物神经元到人工神经元 153
7.1.2　激活函数 154
7.1.3　网络拓扑 156
7.1.4　用后向传播训练神经网络 159
7.2　例子—用人工神经网络对混凝土的强度进行建模 160
7.2.1　第1步—收集数据 161
7.2.2　第2步—探索和准备数据 161
7.2.3　第3步—基于数据训练模型 162
7.2.4　第4步—评估模型的性能 164
7.2.5　第5步—提高模型的性能 165
7.3　理解支持向量机 169
7.3.1　用超平面分类 169
7.3.2　对非线性空间使用核函数 173
7.4　例子—用支持向量机进行光学字符识别 175
7.4.1　第1步—收集数据 175
7.4.2　第2步—探索和准备数据 176
7.4.3　第3步—基于数据训练模型 177
7.4.4　第4步—评估模型的性能 179
7.4.5　第5步—提高模型的性能 180
7.5　总结 182
第8章　探寻模式——基于关联规则的购物篮分析 183
8.1　理解关联规则 183
8.1.1　用于关联规则学习的Apriori算法 184
8.1.2　度量规则兴趣度—支持度和置信度 185
8.1.3　用Apriori原则建立规则 186
8.2　例子—用关联规则确定经常一起购买的食品杂货 187
8.2.1　第1步—收集数据 187
8.2.2　第2步—探索和准备数据 188
8.2.3　第3步—基于数据训练模型 193
8.2.4　第4步—评估模型的性能 195
8.2.5　第5步—提高模型的性能 197
8.3　总结 200
第9章　寻找数据的分组——k均值聚类 201
9.1　理解聚类 201
9.1.1　聚类—一种机器学习任务 202
9.1.2　k均值聚类算法 203
9.2　例子—用k均值聚类探寻青少年市场细分 209
9.2.1　第1步—收集数据 209
9.2.2　第2步—探索和准备数据 210
9.2.3　第3步—基于数据训练模型 213
9.2.4　第4步—评估模型的性能 215
9.2.5　第5步—提高模型的性能 217
9.3　总结 219
第10章　模型性能的评估 220
10.1　度量分类方法的性能 220
10.1.1　理解分类器的预测 221
10.1.2　深入探讨混淆矩阵 224
10.1.3　使用混淆矩阵度量性能 225
10.1.4　准确率之外的其他性能度量指标 226
10.1.5　使用ROC曲线可视化性能权衡 233
10.2　评估未来的性能 237
10.3　总结 242
第11章　提高模型的性能 243
11.1　调整多个模型来提高性能 243
11.2　使用元学习来提高模型的性能 251
11.2.1　理解集成学习 251
11.2.2　bagging 253
11.2.3　boosting 254
11.2.4　随机森林 256
11.3　总结 261
第12章　其他机器学习主题 262
12.1　管理和准备真实数据 262
12.1.1　使用tidyverse添加包使数据变得“整洁” 263
12.1.2　读取和写入外部数据文件 265
12.1.3　查询SQL数据库中的数据 266
12.2　处理在线数据和服务 270
12.2.1　下载网页的所有文本 270
12.2.2　解析网页中的数据 271
12.3　处理特定领域的数据 277
12.3.1　分析生物信息学数据 277
12.3.2　分析和可视化网络数据 277
12.4　提高R语言的性能 280
12.4.1　处理非常大的数据集 281
12.4.2　使用并行计算来加快学习过程 283
12.4.3　部署优化的学习算法 290
12.4.4　GPU计算 292
12.5　总结 294

.　　下载示例代码文件及彩色图像
　　本书的示例代码文件及使用的截图或图表的彩色图像，可以从Packtpub（http://www.packtpub.com）通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。
　　本书的代码包也放在GitHub的https://github.com/PacktPublishing/Machine-Learning-with-R-Third-Edition和https://github.com/dataspelunking/MLwR/上。
　　本书排版约定
　　在本书中，你将发现一些用于区分不同类型信息的文本样式。下面是这些样式的一些例子，以及它们的含义。
　　书中的代码、函数名、文件名、文件扩展名、用户输入和R添加包名字，如下所示： “class包中的knn()函数提供了k-NN算法的标准经典实现”
　　R用户的输入和输出如下所示：
　　新的术语和重要概念以黑体显示。你在屏幕上看到的单词，例如，在菜单或对话框中看到的单词，像这样显示在书中：“CRAN页面左边的任务视图链接提供了添加包的长列表。”
　　警告或者重要注释。
　　提示和技巧。
　　致谢
　　如果没有家人和朋友的支持，编写本书是根本不可能的。特别是，非常感谢我的妻子Jessica在过去一年中对我的耐心与鼓励。我的儿子Will和Cal分别出生于本书第1版和第2版的写作期间，在我撰写本版时他们分散了我较多的精力。我把本书献给我的孩子们，希望有一天他们能从中受到启发，应对重大的挑战，并跟随他们的好奇心，无论他们的好奇心会通向哪里。
　　我还要感谢支持本书的很多人。本书的很多想法来源于我与密歇根大学、圣母大学以及中佛罗里达大学的教育工作者、同事以及合作者的交流。此外，如果没有各位研究人员以公开出版物、课程和源代码的形式分享他们的专业知识，本书可能根本就不会存在。最后，我要感谢R和RStudio团队以及所有那些贡献R添加包的人员的努力，是他们最终为大家普及了机器学习。真心希望我的这本书能对机器学习领域做出一点贡献。
　　关于作者
　　布雷特·兰茨（Brett Lantz，@DataSpelunking）在应用创新的数据方法来理解人类的行为方面有10余年经验。他最初是一名社会学家，在研究一个包含青少年社交网络资料的大型数据库时，他就开始沉醉于机器学习。Brett是一位DataCamp讲师，经常在世界各地的机器学习会议和研讨会上进行演讲。他致力于研究数据科学在体育、自动驾驶汽车、外语学习和时尚等领域的应用，并希望有一天在dataspelunking.com上发布有关这些主题的博客，该网站致力于分享探寻数据中所蕴含的深刻知识。
　　关于审稿人
　　拉格哈夫·巴利（Raghav Bali）是全球最大的医疗保健组织之一的高级数据科学家。他的工作包括针对医疗保健和保险相关的用例研究和开发基于机器学习、深度学习和自然语言处理的企业级解决方案。他曾在英特尔任职，参与了使用自然语言处理、深度学习和传统统计方法来实施主动式数据驱动的IT计划。他还曾在美国运通公司从事金融领域的工作，解决数字参与和客户维持的用例。
　　拉格哈夫还与一些主流的出版商合作出版了多本书，其中一本是关于迁移学习的最新研究进展的。
　　拉格哈夫拥有班加罗尔国际信息技术研究所的信息技术硕士学位（全优毕业生）。当拉格哈夫不忙于解决问题时，他喜欢读书，并且是一个摄影爱好者。