机器学习与R语言（原书第3版）

本书共12章：第1章介绍机器学习的基本概念和理论，并介绍用于机器学习的R软件环境的准备；第2章介绍如何应用R来管理数据，进行数据的探索分析和数据可视化；第3～9章介绍典型的机器学习算法，包括k近邻分类算法、朴素贝叶斯算法、决策树和规则树、回归预测、黑盒算法——神经网络和支持向量机、关联分析、k均值聚类，并给出大量的实际案例和详细的分析步骤，例如乳腺癌的判断、垃圾短信的过滤、贷款违约的预测、毒蘑菇的判别、医疗费用的预测、建筑用混凝土强度的预测、光学字符的识别、超市购物篮关联分析以及市场细分等；第10章介绍模型性能评价的原理和方法；第11章给出提高模型性能的几种常用方法；第12章讨论用R进行机器学习时可能遇到的一些高级专题，如特殊形式的数据、大数据集的处理、并行计算和GPU计算等技术。<br><br>

译者序<br/>前　言<br/>第1章　机器学习简介 1<br/>1.1　机器学习的起源 1<br/>1.2　机器学习的使用与滥用 2<br/>1.2.1　机器学习的成功应用 3<br/>1.2.2　机器学习的限制 4<br/>1.2.3　机器学习的伦理方面 5<br/>1.3　机器如何学习 7<br/>1.3.1　数据存储 8<br/>1.3.2　抽象化 8<br/>1.3.3　一般化 10<br/>1.3.4　评估 11<br/>1.4　实践中的机器学习 12<br/>1.4.1　输入数据的类型 13<br/>1.4.2　机器学习算法的类型 14<br/>1.4.3　为输入数据匹配算法 15<br/>1.5　使用R进行机器学习 16<br/>1.5.1　安装R添加包 17<br/>1.5.2　载入和卸载R添加包 18<br/>1.5.3　安装RStudio 18<br/>1.6　总结 19<br/>第2章　管理和理解数据 20<br/>2.1　R数据结构 20<br/>2.1.1　向量 20<br/>2.1.2　因子 22<br/>2.1.3　列表 23<br/>2.1.4　数据框 25<br/>2.1.5　矩阵和数组 27<br/>2.2　用R管理数据 28<br/>2.2.1　保存、载入和移除R数据结构 29<br/>2.2.2　从CSV文件导入数据和将数据保存为CSV文件 29<br/>2.3　探索和理解数据 31<br/>2.3.1　探索数据的结构 31<br/>2.3.2　探索数值变量 32<br/>2.3.3　探索分类变量 40<br/>2.3.4　探索变量之间的关系 41<br/>2.4　总结 44<br/>第3章　懒惰学习——使用近邻分类 46<br/>3.1　理解近邻分类 46<br/>3.1.1　k近邻算法 47<br/>3.1.2　为什么k-NN算法是懒惰的 52<br/>3.2　例子—用k-NN算法诊断乳腺癌 53<br/>3.2.1　第1步—收集数据 53<br/>3.2.2　第2步—探索和准备数据 54<br/>3.2.3　第3步—基于数据训练模型 57<br/>3.2.4　第4步—评估模型的性能 58<br/>3.2.5　第5步—提高模型的性能 59<br/>3.3　总结 61<br/>第4章　概率学习——朴素贝叶斯分类 62<br/>4.1　理解朴素贝叶斯 62<br/>4.1.1　贝叶斯方法的基本概念 63<br/>4.1.2　朴素贝叶斯算法 67<br/>4.2　例子—基于贝叶斯算法的手机垃圾短信过滤 72<br/>4.2.1　第1步—收集数据 72<br/>4.2.2　第2步—探索和准备数据 73<br/>4.2.3　第3步—基于数据训练模型 84<br/>4.2.4　第4步—评估模型的性能 85<br/>4.2.5　第5步—提高模型的性能 86<br/>4.3　总结 87<br/>第5章　分而治之——应用决策树和规则进行分类 88<br/>5.1　理解决策树 88<br/>5.1.1　分而治之 89<br/>5.1.2　C5.0决策树算法 92<br/>5.2　例子—使用C5.0决策树识别高风险银行贷款 95<br/>5.2.1　第1步—收集数据 95<br/>5.2.2　第2步—探索和准备数据 95<br/>5.2.3　第3步—基于数据训练模型 98<br/>5.2.4　第4步—评估模型的性能 100<br/>5.2.5　第5步—提高模型的性能 100<br/>5.3　理解分类规则 104<br/>5.3.1　独立而治之 104<br/>5.3.2　1R算法 106<br/>5.3.3　RIPPER算法 108<br/>5.3.4　来自决策树的规则 109<br/>5.3.5　什么使决策树和规则贪婪 110<br/>5.4　例子—应用规则学习算法识别有毒的蘑菇 111<br/>5.4.1　第1步—收集数据 111<br/>5.4.2　第2步—探索和准备数据 112<br/>5.4.3　第3步—基于数据训练模型 112<br/>5.4.4　第4步—评估模型的性能 114<br/>5.4.5　第5步—提高模型的性能 115<br/>5.5　总结 117<br/>第6章　预测数值型数据——回归方法 118<br/>6.1　理解回归 118<br/>6.1.1　简单线性回归 120<br/>6.1.2　普通最小二乘估计 122<br/>6.1.3　相关性 123<br/>6.1.4　多元线性回归 124<br/>6.2　例子—应用线性回归预测医疗费用 127<br/>6.2.1　第1步—收集数据 128<br/>6.2.2　第2步—探索和准备数据 128<br/>6.2.3　第3步—基于数据训练模型 132<br/>6.2.4　第4步—评估模型的性能 134<br/>6.2.5　第5步—提高模型的性能 135<br/>6.2.6　第6步—用回归模型进行预测 138<br/>6.3　理解回归树和模型树 140<br/>6.4　例子—用回归树和模型树估计葡萄酒的质量 142<br/>6.4.1　第1步—收集数据 142<br/>6.4.2　第2步—探索和准备数据 143<br/>6.4.3　第3步—基于数据训练模型 144<br/>6.4.4　第4步—评估模型的性能 147<br/>6.4.5　第5步—提高模型的性能 149<br/>6.5　总结 151<br/>第7章　黑箱方法—神经网络和支持向量机 152<br/>7.1　理解神经网络 152<br/>7.1.1　从生物神经元到人工神经元 153<br/>7.1.2　激活函数 154<br/>7.1.3　网络拓扑 156<br/>7.1.4　用后向传播训练神经网络 159<br/>7.2　例子—用人工神经网络对混凝土的强度进行建模 160<br/>7.2.1　第1步—收集数据 161<br/>7.2.2　第2步—探索和准备数据 161<br/>7.2.3　第3步—基于数据训练模型 162<br/>7.2.4　第4步—评估模型的性能 164<br/>7.2.5　第5步—提高模型的性能 165<br/>7.3　理解支持向量机 169<br/>7.3.1　用超平面分类 169<br/>7.3.2　对非线性空间使用核函数 173<br/>7.4　例子—用支持向量机进行光学字符识别 175<br/>7.4.1　第1步—收集数据 175<br/>7.4.2　第2步—探索和准备数据 176<br/>7.4.3　第3步—基于数据训练模型 177<br/>7.4.4　第4步—评估模型的性能 179<br/>7.4.5　第5步—提高模型的性能 180<br/>7.5　总结 182<br/>第8章　探寻模式——基于关联规则的购物篮分析 183<br/>8.1　理解关联规则 183<br/>8.1.1　用于关联规则学习的Apriori算法 184<br/>8.1.2　度量规则兴趣度—支持度和置信度 185<br/>8.1.3　用Apriori原则建立规则 186<br/>8.2　例子—用关联规则确定经常一起购买的食品杂货 187<br/>8.2.1　第1步—收集数据 187<br/>8.2.2　第2步—探索和准备数据 188<br/>8.2.3　第3步—基于数据训练模型 193<br/>8.2.4　第4步—评估模型的性能 195<br/>8.2.5　第5步—提高模型的性能 197<br/>8.3　总结 200<br/>第9章　寻找数据的分组——k均值聚类 201<br/>9.1　理解聚类 201<br/>9.1.1　聚类—一种机器学习任务 202<br/>9.1.2　k均值聚类算法 203<br/>9.2　例子—用k均值聚类探寻青少年市场细分 209<br/>9.2.1　第1步—收集数据 209<br/>9.2.2　第2步—探索和准备数据 210<br/>9.2.3　第3步—基于数据训练模型 213<br/>9.2.4　第4步—评估模型的性能 215<br/>9.2.5　第5步—提高模型的性能 217<br/>9.3　总结 219<br/>第10章　模型性能的评估 220<br/>10.1　度量分类方法的性能 220<br/>10.1.1　理解分类器的预测 221<br/>10.1.2　深入探讨混淆矩阵 224<br/>10.1.3　使用混淆矩阵度量性能 225<br/>10.1.4　准确率之外的其他性能度量指标 226<br/>10.1.5　使用ROC曲线可视化性能权衡 233<br/>10.2　评估未来的性能 237<br/>10.3　总结 242<br/>第11章　提高模型的性能 243<br/>11.1　调整多个模型来提高性能 243<br/>11.2　使用元学习来提高模型的性能 251<br/>11.2.1　理解集成学习 251<br/>11.2.2　bagging 253<br/>11.2.3　boosting 254<br/>11.2.4　随机森林 256<br/>11.3　总结 261<br/>第12章　其他机器学习主题 262<br/>12.1　管理和准备真实数据 262<br/>12.1.1　使用tidyverse添加包使数据变得“整洁” 263<br/>12.1.2　读取和写入外部数据文件 265<br/>12.1.3　查询SQL数据库中的数据 266<br/>12.2　处理在线数据和服务 270<br/>12.2.1　下载网页的所有文本 270<br/>12.2.2　解析网页中的数据 271<br/>12.3　处理特定领域的数据 277<br/>12.3.1　分析生物信息学数据 277<br/>12.3.2　分析和可视化网络数据 277<br/>12.4　提高R语言的性能 280<br/>12.4.1　处理非常大的数据集 281<br/>12.4.2　使用并行计算来加快学习过程 283<br/>12.4.3　部署优化的学习算法 290<br/>12.4.4　GPU计算 292<br/>12.5　总结 294