白话机器学习算法

  

与使用数学语言或计算机编程语言讲解算法的书不同，本书另辟蹊径，用通俗易懂的人类语言以及大量有趣的示例和插图讲解10多种前沿的机器学习算法。内容涵盖k均值聚类、主成分分析、关联规则、社会网络分析等无监督学习算法，以及回归分析、k很近邻、支持向量机、决策树、随机森林、神经网络等监督学习算法，并概述强化学习算法的思想。

  

   章基础知识1

1.1准备数据1

1.1.1数据格式1

1.1.2变量类型2

1.1.3变量选择3

1.1.4特征工程3

1.1.5缺失数据4

1.2选择算法4

1.2.1无监督学习5

1.2.2监督学习6

1.2.3强化学习7

1.2.4注意事项7

1.3参数调优7

1.4评价模型9

1.4.1分类指标9

1.4.2回归指标10

1.4.3验证10

1.5小结11

第2章k均值聚类13

2.1找出顾客群13

2.2示例：影迷的性格特征13

2.3定义群组16

2.3.1有多少个群组16

2.3.2每个群组中有谁17

2.4局限性18

2.5小结19

第3章主成分分析21

3.1食物的营养成分21

3.2主成分22

3.3示例：分析食物种类24

3.4局限性27

3.5小结29

第4章关联规则31

4.1发现购买模式31

4.2支持度、置信度和提升度31

4.3示例：分析杂货店的销售数据33

4.4先验原则35

4.4.1寻找具有高支持度的项集36

4.4.2寻找具有高置信度或高提升度的关联规则37

4.5局限性37

4.6小结37

第5章社会网络分析39

5.1展现人际关系39

5.2示例：国际贸易40

5.3Louvain方法42

5.4PageRank算法43

5.5局限性46

5.6小结47

第6章回归分析49

6.1趋势线49

6.2示例：预测房价49

6.3梯度下降法52

6.4回归系数54

6.5相关系数55

6.6局限性56

6.7小结57

第7章k最近邻算法和异常检测59

7.1食品检测59

7.2物以类聚，人以群分60

7.3示例：区分红白葡萄酒61

7.4异常检测62

7.5局限性63

7.6小结63

第8章支持向量机65

8.1医学诊断65

8.2示例：预测心脏病65

8.3勾画很好分界线66

8.4局限性69

8.5小结69

第9章决策树71

9.1预测灾难幸存者71

9.2示例：逃离泰坦尼克号72

9.3生成决策树73

9.4局限性74

9.5小结75

0章随机森林77

10.1集体智慧77

10.2示例：预测犯罪行为77

10.3集成模型81

10.4自助聚集法82

10.5局限性83

10.6小结84

1章神经网络85

11.1建造人工智能大脑85

11.2示例：识别手写数字86

11.3神经网络的构成89

11.4激活规则91

11.5局限性92

11.6小结94

2章A/B测试和多臂老虎机95

12.1初识A/B测试95

12.2A/B测试的局限性95

12.3epsilon递减策略96

12.4示例：多臂老虎机97

12.5胜者为先99

12.6epsilon递减策略的局限性99

12.7小结100

附录A无监督学习算法概览101

附录B监督学习算法概览102

附录C调节参数列表103

附录D更多评价指标104

术语表107

关于作者114