机器学习与R语言实战

作者: 丘祐玮著 , 潘怡译

出版社: 机械工业出版社

出版时间: 2016-05

版次: 1

ISBN: 9787111535959

定价: 69.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 338页

字数: 350千字

丛书: 数据分析与决策技术丛书

分类: 计算机与互联网

43人买过

现在，越来越多的人开始接触并考虑引入大数据技术来促进公司产品的销售以获得更多利润，而机器学习已经成为除统计以外一种新的分析方法，采用学习算法既能提高数据模型的预测精准度，又确保了对商务活动及其发展过程的预测能够脱离人脑计算能力的局限，使面向大数据的分析处理在依托计算机大规模计算能力下得以完成。
本书由资深数据科学家亲笔撰写，借助当前机器学习和数据分析领域*常用的工具R语言，深入浅出地介绍了采用R语言进行数据分析及构建预测模型的100多种实用方法，包括分类、回归、聚类、关联分析等常用机器学习算法的实现，每一个算法都通过具体案例详细说明构建模型、实现模型以及评价模型的过程。而且书中还系统讲解了相关的R语言基础知识，包括环境准备以及数据转换、分析和结果可视化的方法。此外，还详细展示了使用RHadoop处理和分析海量数据的过程。
本书融合了作者在实践机器学习算法来完成数据分析方面的诸多心得，并且书中所有源代码和实验数据在配套的网站上都可以免费下载，相信阅读完本书并亲自动手完成书中所有算法案例后，你将对机器学习和R语言都有更深入的了解，设计学习算法来发现隐藏在数据中有价值的模式也不再是遥不可及的目标。　　
本书共11章。第1章介绍如何创建一个可用的R环境和基本的R命令；第2章讲述如何使用R语言进行探索性数据分析；第3章重点探讨数据采样和概率分布的概念；第4章探讨因变量和解释变量集合之间的线性关系；第5章介绍基于树的分类器：K近邻分类器、逻辑回归分类器以及朴素贝叶斯分类器；第6章神经网络和支持向量机；第7章展示一些模型评估的方法；第8章探讨集成分类器；第9章讲述多种聚类算法；第10章介绍关联分析和序列挖掘；第11章介绍如何从原始变量中选择和抽取特征；第12章讨论大数据分析（R和Hadoop）。
丘祐玮（Yu-Wei Chiu）
Largit Data公司创始人，资深数据科学家，之前曾就职于Trend Micro公司，主要负责为商务智能及客户关系管理系统构建大型数据处理平台。他专注于在数据分析中使用Spark和Hadoop技术来实现海量数据挖掘。同时，他还是一位资深讲师，在各类Python、 R、 Hadoop及相关会议上多次分享技术报告。译者序
前言
作者简介
审校者简介
第1章　基于R实践机器学习 1
1.1　简介 1
1.2　下载和安装R 3
1.3　下载和安装RStudio 10
1.4　包的安装和加载 13
1.5　数据读写 15
1.6　使用R实现数据操作 18
1.7　应用简单统计 22
1.8　数据可视化 25
1.9　获取用于机器学习的数据集 28
第2章　挖掘RMS Titanic数据集 32
2.1　简介 32
2.2　从CSV文件中读取Titanic数据集 33
2.3　根据数据类型进行转换 36
2.4　检测缺失值 38
2.5　插补缺失值 40
2.6　识别和可视化数据 43
2.7　基于决策树预测获救乘客 50
2.8　基于混淆矩阵验证预测结果的准确性 53
2.9　使用ROC曲线评估性能 55
第3章　R和统计 58
3.1　简介 58
3.2　理解R中的数据采样 59
3.3　在R中控制概率分布 59
3.4　在R中进行一元描述统计 64
3.5　在R中进行多元相关分析 67
3.6　进行多元线性回归分析 69
3.7　执行二项分布检验 71
3.8　执行t检验 73
3.9　执行Kolmogorov-Smirnov检验 76
3.10　理解Wilcoxon秩和检验及Wilcoxon符号秩检验 78
3.11　实施皮尔森卡方检验 80
3.12　进行单因素方差分析 82
3.13　进行双因素方差分析 85
第4章　理解回归分析 90
4.1　简介 90
4.2　调用lm函数构建线性回归模型 90
4.3　输出线性模型的特征信息 93
4.4　使用线性回归模型预测未知值 94
4.5　生成模型的诊断图 96
4.6　利用lm函数生成多项式回归模型 98
4.7　调用rlm函数生成稳健线性回归模型 99
4.8　在SLID数据集上研究线性回归案例 101
4.9　基于高斯模型的广义线性回归 107
4.10　基于泊松模型的广义线性回归 109
4.11　基于二项模型的广义线性回归 111
4.12　利用广义加性模型处理数据 112
4.13　可视化广义加性模型 114
4.14　诊断广义加性模型 116
第5章　分类I——树、延迟和概率 119
5.1　简介 119
5.2　准备训练和测试数据集 119
5.3　使用递归分割树建立分类模型 121
5.4　递归分割树可视化 124
5.5　评测递归分割树的预测能力 126
5.6　递归分割树剪枝 128
5.7　使用条件推理树建立分类模型 130
5.8　条件推理树可视化 131
5.9　评测条件推理树的预测能力 132
5.10　使用k近邻分类算法 134
5.11　使用逻辑回归分类算法 137
5.12　使用朴素贝叶斯分类算法 142
第6章　分类II—神经网络和SVM 146
6.1　简介 146
6.2　使用支持向量机完成数据分类 147
6.3　选择支持向量机的惩罚因子 149
6.4　实现SVM模型的可视化 152
6.5　基于支持向量机训练模型实现类预测 154
6.6　调整支持向量机 157
6.7　利用neuralnet包训练神经网络模型 161
6.8　可视化由neuralnet包得到的神经网络模型 164
6.9　基于neuralnet包得到的模型实现类标号预测 166
6.10　利用nnet包训练神经网络模型 168
6.11　基于nnet包得到的模型实现类标号预测 170
第7章　模型评估 173
7.1　简介 173
7.2　基于k折交叉验证方法评测模型性能 173
7.3　利用e1071包完成交叉验证 175
7.4　利用caret包完成交叉检验 176
7.5　利用caret包对变量重要程度排序 177
7.6　利用rminer包对变量重要程度排序 180
7.7　利用caret包找到高度关联的特征 181
7.8　利用caret包选择特征 182
7.9　评测回归模型的性能 187
7.10　利用混淆矩阵评测模型的预测能力 189
7.11　利用ROCR评测模型的预测能力 191
7.12　利用caret包比较ROC曲线 193
7.13　利用caret包比较模型性能差异 196
第8章　集成学习 199
8.1　简介 199
8.2　使用bagging方法对数据分类 200
8.3　基于bagging方法进行交叉验证 203
8.4　使用boosting方法对数据分类 204
8.5　基于boosting方法进行交叉验证 207
8.6　使用gradient boosting方法对数据分类 208
8.7　计算分类器边缘 213
8.8　计算集成分类算法的误差演变 216
8.9　使用随机森林方法对数据分类 218
8.10　估算不同分类器的预测误差 223
第9章　聚类 226
9.1　简介 226
9.2　使用层次聚类处理数据 227
9.3　将树分成簇 231
9.4　使用k均值方法处理数据 234
9.5　绘制二元聚类图 237
9.6　聚类算法比较 239
9.7　从簇中抽取轮廓信息 241
9.8　获得优化的k均值聚类 242
9.9　使用密度聚类方法处理数据 244
9.10　使用基于模型的聚类方法处理数据 248
9.11　相异度矩阵的可视化 251
9.12　使用外部验证评估聚类效果 253
第10章　关联分析和序列挖掘 256
10.1　简介 256
10.2　将数据转换成事务数据 257
10.3　展示事务及关联 258
10.4　使用Apriori规则完成关联挖掘 261
10.5　去掉冗余规则 266
10.6　关联规则的可视化 267
10.7　使用Eclat挖掘频繁项集 270
10.8　生成时态事务数据 273
10.9　使用cSPADE挖掘频繁时序模式 276
第11章　降维 279
11.1　简介 279
11.2　使用FSelector完成特征筛选 280
11.3　使用PCA进行降维 283
11.4　使用scree测试确定主成分数 287
11.5　使用Kaiser方法确定主成分数 289
11.6　使用主成分分析散点图可视化多元变量 290
11.7　使用MDS进行降维 293
11.8　使用SVD进行降维 297
11.9　使用SVD进行图像压缩 299
11.10　使用ISOMAP进行非线性降维 302
11.11　使用局部线性嵌入法进行非线性降维 306
第12章　大数据分析（R和Hadoop） 310
12.1　简介 310
12.2　准备RHadoop环境 311
12.3　安装rmr2 314
12.4　安装rhdfs 315
12.5　在rhdfs中操作HDFS 316
12.6　在RHadoop中解决单词计数问题 318
12.7　比较R MapReduce程序和标准R程序的性能差别 320
12.8　测试和调试rmr2程序 321
12.9　安装plyrmr 323
12.10　使用plyrmr处理数据 324
12.11　在RHadoop中实施机器学习 327
12.12　在Amazon EMR环境中配置RHadoop机群 330
附录A　R和机器学习的资源 335
附录B　Titanic幸存者的数据集 337
内容简介:
现在，越来越多的人开始接触并考虑引入大数据技术来促进公司产品的销售以获得更多利润，而机器学习已经成为除统计以外一种新的分析方法，采用学习算法既能提高数据模型的预测精准度，又确保了对商务活动及其发展过程的预测能够脱离人脑计算能力的局限，使面向大数据的分析处理在依托计算机大规模计算能力下得以完成。
本书由资深数据科学家亲笔撰写，借助当前机器学习和数据分析领域*常用的工具R语言，深入浅出地介绍了采用R语言进行数据分析及构建预测模型的100多种实用方法，包括分类、回归、聚类、关联分析等常用机器学习算法的实现，每一个算法都通过具体案例详细说明构建模型、实现模型以及评价模型的过程。而且书中还系统讲解了相关的R语言基础知识，包括环境准备以及数据转换、分析和结果可视化的方法。此外，还详细展示了使用RHadoop处理和分析海量数据的过程。
本书融合了作者在实践机器学习算法来完成数据分析方面的诸多心得，并且书中所有源代码和实验数据在配套的网站上都可以免费下载，相信阅读完本书并亲自动手完成书中所有算法案例后，你将对机器学习和R语言都有更深入的了解，设计学习算法来发现隐藏在数据中有价值的模式也不再是遥不可及的目标。　　
本书共11章。第1章介绍如何创建一个可用的R环境和基本的R命令；第2章讲述如何使用R语言进行探索性数据分析；第3章重点探讨数据采样和概率分布的概念；第4章探讨因变量和解释变量集合之间的线性关系；第5章介绍基于树的分类器：K近邻分类器、逻辑回归分类器以及朴素贝叶斯分类器；第6章神经网络和支持向量机；第7章展示一些模型评估的方法；第8章探讨集成分类器；第9章讲述多种聚类算法；第10章介绍关联分析和序列挖掘；第11章介绍如何从原始变量中选择和抽取特征；第12章讨论大数据分析（R和Hadoop）。
作者简介:
丘祐玮（Yu-Wei Chiu）
Largit Data公司创始人，资深数据科学家，之前曾就职于Trend Micro公司，主要负责为商务智能及客户关系管理系统构建大型数据处理平台。他专注于在数据分析中使用Spark和Hadoop技术来实现海量数据挖掘。同时，他还是一位资深讲师，在各类Python、 R、 Hadoop及相关会议上多次分享技术报告。
目录:
译者序
前言
作者简介
审校者简介
第1章　基于R实践机器学习 1
1.1　简介 1
1.2　下载和安装R 3
1.3　下载和安装RStudio 10
1.4　包的安装和加载 13
1.5　数据读写 15
1.6　使用R实现数据操作 18
1.7　应用简单统计 22
1.8　数据可视化 25
1.9　获取用于机器学习的数据集 28
第2章　挖掘RMS Titanic数据集 32
2.1　简介 32
2.2　从CSV文件中读取Titanic数据集 33
2.3　根据数据类型进行转换 36
2.4　检测缺失值 38
2.5　插补缺失值 40
2.6　识别和可视化数据 43
2.7　基于决策树预测获救乘客 50
2.8　基于混淆矩阵验证预测结果的准确性 53
2.9　使用ROC曲线评估性能 55
第3章　R和统计 58
3.1　简介 58
3.2　理解R中的数据采样 59
3.3　在R中控制概率分布 59
3.4　在R中进行一元描述统计 64
3.5　在R中进行多元相关分析 67
3.6　进行多元线性回归分析 69
3.7　执行二项分布检验 71
3.8　执行t检验 73
3.9　执行Kolmogorov-Smirnov检验 76
3.10　理解Wilcoxon秩和检验及Wilcoxon符号秩检验 78
3.11　实施皮尔森卡方检验 80
3.12　进行单因素方差分析 82
3.13　进行双因素方差分析 85
第4章　理解回归分析 90
4.1　简介 90
4.2　调用lm函数构建线性回归模型 90
4.3　输出线性模型的特征信息 93
4.4　使用线性回归模型预测未知值 94
4.5　生成模型的诊断图 96
4.6　利用lm函数生成多项式回归模型 98
4.7　调用rlm函数生成稳健线性回归模型 99
4.8　在SLID数据集上研究线性回归案例 101
4.9　基于高斯模型的广义线性回归 107
4.10　基于泊松模型的广义线性回归 109
4.11　基于二项模型的广义线性回归 111
4.12　利用广义加性模型处理数据 112
4.13　可视化广义加性模型 114
4.14　诊断广义加性模型 116
第5章　分类I——树、延迟和概率 119
5.1　简介 119
5.2　准备训练和测试数据集 119
5.3　使用递归分割树建立分类模型 121
5.4　递归分割树可视化 124
5.5　评测递归分割树的预测能力 126
5.6　递归分割树剪枝 128
5.7　使用条件推理树建立分类模型 130
5.8　条件推理树可视化 131
5.9　评测条件推理树的预测能力 132
5.10　使用k近邻分类算法 134
5.11　使用逻辑回归分类算法 137
5.12　使用朴素贝叶斯分类算法 142
第6章　分类II—神经网络和SVM 146
6.1　简介 146
6.2　使用支持向量机完成数据分类 147
6.3　选择支持向量机的惩罚因子 149
6.4　实现SVM模型的可视化 152
6.5　基于支持向量机训练模型实现类预测 154
6.6　调整支持向量机 157
6.7　利用neuralnet包训练神经网络模型 161
6.8　可视化由neuralnet包得到的神经网络模型 164
6.9　基于neuralnet包得到的模型实现类标号预测 166
6.10　利用nnet包训练神经网络模型 168
6.11　基于nnet包得到的模型实现类标号预测 170
第7章　模型评估 173
7.1　简介 173
7.2　基于k折交叉验证方法评测模型性能 173
7.3　利用e1071包完成交叉验证 175
7.4　利用caret包完成交叉检验 176
7.5　利用caret包对变量重要程度排序 177
7.6　利用rminer包对变量重要程度排序 180
7.7　利用caret包找到高度关联的特征 181
7.8　利用caret包选择特征 182
7.9　评测回归模型的性能 187
7.10　利用混淆矩阵评测模型的预测能力 189
7.11　利用ROCR评测模型的预测能力 191
7.12　利用caret包比较ROC曲线 193
7.13　利用caret包比较模型性能差异 196
第8章　集成学习 199
8.1　简介 199
8.2　使用bagging方法对数据分类 200
8.3　基于bagging方法进行交叉验证 203
8.4　使用boosting方法对数据分类 204
8.5　基于boosting方法进行交叉验证 207
8.6　使用gradient boosting方法对数据分类 208
8.7　计算分类器边缘 213
8.8　计算集成分类算法的误差演变 216
8.9　使用随机森林方法对数据分类 218
8.10　估算不同分类器的预测误差 223
第9章　聚类 226
9.1　简介 226
9.2　使用层次聚类处理数据 227
9.3　将树分成簇 231
9.4　使用k均值方法处理数据 234
9.5　绘制二元聚类图 237
9.6　聚类算法比较 239
9.7　从簇中抽取轮廓信息 241
9.8　获得优化的k均值聚类 242
9.9　使用密度聚类方法处理数据 244
9.10　使用基于模型的聚类方法处理数据 248
9.11　相异度矩阵的可视化 251
9.12　使用外部验证评估聚类效果 253
第10章　关联分析和序列挖掘 256
10.1　简介 256
10.2　将数据转换成事务数据 257
10.3　展示事务及关联 258
10.4　使用Apriori规则完成关联挖掘 261
10.5　去掉冗余规则 266
10.6　关联规则的可视化 267
10.7　使用Eclat挖掘频繁项集 270
10.8　生成时态事务数据 273
10.9　使用cSPADE挖掘频繁时序模式 276
第11章　降维 279
11.1　简介 279
11.2　使用FSelector完成特征筛选 280
11.3　使用PCA进行降维 283
11.4　使用scree测试确定主成分数 287
11.5　使用Kaiser方法确定主成分数 289
11.6　使用主成分分析散点图可视化多元变量 290
11.7　使用MDS进行降维 293
11.8　使用SVD进行降维 297
11.9　使用SVD进行图像压缩 299
11.10　使用ISOMAP进行非线性降维 302
11.11　使用局部线性嵌入法进行非线性降维 306
第12章　大数据分析（R和Hadoop） 310
12.1　简介 310
12.2　准备RHadoop环境 311
12.3　安装rmr2 314
12.4　安装rhdfs 315
12.5　在rhdfs中操作HDFS 316
12.6　在RHadoop中解决单词计数问题 318
12.7　比较R MapReduce程序和标准R程序的性能差别 320
12.8　测试和调试rmr2程序 321
12.9　安装plyrmr 323
12.10　使用plyrmr处理数据 324
12.11　在RHadoop中实施机器学习 327
12.12　在Amazon EMR环境中配置RHadoop机群 330
附录A　R和机器学习的资源 335
附录B　Titanic幸存者的数据集 337

查看详情

机器学习与R语言实战

内容简介:

作者简介:

目录: