正版 R语言机器学习实战(彩印) [美] 弗雷德·恩旺加(Fred Nwanga

第一部分 入门

第1章 什么是机器学习2

1.1 从数据中发现知识2

1.1.1 算法介绍3

1.1.2 人工智能、机器学习和深度学习3

1.2 机器学习技术4

1.2.1 监督学习4

1.2.2 无监督学习7

1.3 模型选择9

1.3.1 分类技术9

1.3.2 回归技术9

1.3.3 相似性学习技术10

1.4 评估模型10

1.4.1 分类错误11

1.4.2 回归错误12

1.4.3 错误类型13

1.4.4 分割数据集14

1.5 练习15

第2章 R和RStudio简介17

2.1 欢迎来到R17

2.2R和RStudio组件18

2.2.1R语言18

2.2.2RStudio19

2.2.3R包26

2.3 编写和运行R脚本29

2.4R中的数据类型31

2.4.1 向量32

2.4.2 测试数据类型33

2.4.3 转换数据类型36

2.4.4 缺失值36

2.5 练习37

第3章 数据管理38

3.1tidyverse38

3.2 数据收集39

3.2.1 主要考虑因素39

3.2.2 导入数据40

3.3 数据探索43

3.3.1 数据描述43

3.3.2 数据可视化48

3.4 数据准备52

3.4.1 数据清洗53

3.4.2 数据转换59

3.4.3 减少数据64

3.5 练习69

第二部分 回归

第4章 线性回归72

4.1 自行车租赁与回归72

4.2 变量之间的关系73

4.2.1 相关性74

4.2.2 回归79

4.3 简单线性回归80

4.3.1 普通最小二乘法81

4.3.2 简单线性回归模型82

4.3.3 评估模型82

4.4 多元线性回归85

4.4.1 多元线性回归模型86

4.4.2 评估模型86

4.4.3 改进模型93

4.4.4 优缺点100

4.5 案例研究：预测血压101

4.5.1 导入数据102

4.5.2 探索数据102

4.5.3 简单线性回归模型的拟合104

4.5.4 多元线性回归模型的拟合105

4.6 练习111

第5章 logistic回归113

5.1 寻找潜在捐赠者113

5.2 分类115

5.3logistic回归116

5.3.1 优势比117

5.3.2 二分类logistic回归模型120

5.3.3 评估模型129

5.3.4 改进模型135

5.3.5 优缺点140

5.4 案例研究：收入预测140

5.4.1 导入数据141

5.4.2 探索和准备数据141

5.4.3 训练模型144

5.4.4 评估模型146

5.5 练习147

第三部分 分类

第6章 k近邻152

6.1 检测心脏病152

6.2k近邻154

6.2.1 发现最近邻居155

6.2.2 标记未标记数据157

6.2.3 选择合适的k157

6.2.4k近邻模型158

6.2.5 评估模型162

6.2.6 改进模型163

6.2.7 优缺点164

6.3 案例研究：重新分析捐赠者数据集165

6.3.1 导入数据165

6.3.2 探索和准备数据165

6.3.3 建立模型169

6.3.4 评估模型170

6.4 练习170

第7章 朴素贝叶斯171

7.1 垃圾邮件分类171

7.2 朴素贝叶斯172

7.2.1 概率173

7.2.2 联合概率173

7.2.3 条件概率174

7.2.4 朴素贝叶斯分类175

7.2.5 可加性平滑177

7.2.6 朴素贝叶斯模型178

7.2.7 评估模型182

7.2.8 朴素贝叶斯分类器的优缺点183

7.3 案例研究：重新审视心脏病检测问题183

7.3.1 导入数据183

7.3.2 探索和准备数据184

7.3.3 建立模型185

7.3.4 评估模型186

7.4 练习186

第8章 决策树188

8.1 预测许可证决策188

8.2 决策树189

8.2.1 递归分区190

8.2.2 熵193

8.2.3 信息增益194

8.2.4 基尼不纯度196

8.2.5 剪枝196

8.2.6 建立分类树模型197

8.2.7 评估模型200

8.2.8 决策树的优缺点202

8.3 案例研究：重新审视收入预测问题203

8.3.1 导入数据203

8.3.2 探索和准备数据204

8.3.3 建立模型205

8.3.4 评估模型205

8.4 练习206

第四部分 模型的评估和改进

第9章 评估模型208

9.1 评估未来表现208

9.1.1 交叉验证210

9.1.2 自助抽样215

9.2 超越预测准确性217

9.2.1Kappa218

9.2.2 查准率和查全率220

9.2.3 灵敏度和特异性222

9.3 可视化模型性能225

9.3.1 接收者操作特性曲线225

9.3.2 曲线下面积228

9.4 练习230

第10章 改进模型232

10.1 调整参数232

10.1.1 自动参数调整232

10.1.2 自定义参数调整236

10.2 集成方法240

10.2.1 装袋241

10.2.2 提升243

10.2.3 堆叠245

10.3 练习249

第五部分 无监督学习

第11章 用关联规则发现模式252

11.1 超市购物篮分析252

11.2 关联规则253

11.2.1 识别强规则254

11.2.2Apriori算法255

11.3 发现关联规则256

11.3.1 生成规则257

11.3.2 评估规则260

11.3.3 优缺点263

11.4 案例研究：识别杂货店购买模式263

11.4.1 导入数据264

11.4.2 探索和预处理数据264

11.4.3 生成规则265

11.4.4 评估规则266

11.5 练习268

11.6 参考文献268

第12章 用聚类对数据分组269

12.1 聚类269

12.2k均值聚类271

12.3 基于k均值聚类的大学细分274

12.3.1 创建簇275

12.3.2 分析簇277

12.3.3 选择很好簇数278

12.3.4k均值聚类的优缺点282

12.4 案例研究：对购物中心客户进行细分282

12.4.1 探索和准备数据283

12.4.2 聚类数据283

12.4.3 评估簇284

12.5 练习285

12.6 参考文献286

弗雷德·恩旺加（Fred Nwanganga）博士，美国圣母大学门多萨商学院商业分析专业助理教授，拥有超过15年的技术领导经验。 迈克·查普尔（Mike Chapple）博士，美国圣母大学门多萨商学院信息技术、分析和运营系副教授，目前担任该大学商业分析硕士项目的学术主任，出版了20多种书籍。

本书探讨了如何使用R语言进行机器学习，涵盖基本的原理和方法，并通过大量的示例和练习，让读者掌握R语言的数据处理技巧。本书包括入门、回归、分类、模型的评估和改进、无监督学习五大部分，涉及线性回归、logistic回归、k近邻、朴素贝叶斯、决策树、聚类和关联规则等机器学习模型。本书配套提供相关的代码和数据，方便读者学习和使用。本书适合R语言和机器学习的爱好者、从业者以及相关院校的师生选用。

一、用R语言直观揭示机器学习技术 1）机器学习和数据分析已经成为创造价值的重要途径。 通过机器学习，你可以发现数据中隐藏的模式，从而产生新的想法和见解，如果没有这种强大的技术，这些都无从谈起。 2）R语言易于理解，专门为统计分析而构建。 本书介绍了使用R语言处理大型数据集的具体操作，展示了数据科学家如何将机器学习付诸实践，帮助你洞察业务本质，做出可靠的预测和更好的决策。 3）提供机器学习的概念和技术介绍，示例练习巩固基础，轻松理解。 书中的示例和练习使用R语言和新型数据分析工具，即使你没有编程经验也可以轻松学会，不会被复杂的数学知识困扰。有了这本书，机器学习的热门技术——从logistic回归到关联规则和聚类——你均能触手可及。 二、本书将机器学习的直观介绍与逐步的技术讲解相结合，其主要内容如下： 理解不同类型的机器学习算法； 发现大型数据集中存在的模式； 用RStudio编写和执行R脚本； 将R与tidyverse一起使用来管理和可视化数据； 应用核心的统计技术，如logistic回归和朴素贝叶斯等； 评估和改进机器学习模型；