数据科学概念与实践(原书第2版)

数据科学已经成为从数据中提取价值的基本工具，任何企业都可以将数据收集、存储和处理作为其业务的一部分。本书搭建了一个易于理解的概念框架，帮助读者掌握数据科学的基础知识，并在学习理论的过程中同步使用RapidMiner平台进行实践。书中将分享实用的数据分析方法，讨论如何揭示隐藏的模式和关系，无论你是新手还是专家，都能借助这些方法做出更好的决策和预测。本书非常适合商务用户、数据分析师、商务分析师、工程师和分析专家以及任何与数据打交道的人。

黄智濒，北京邮电大学计算机学院讲师，计算机体系结构博士，主讲数字逻辑和计算机体系结构课程。主要研究方向包括GPU加速及大规模并行计算等。

赞誉
译者序
序言
前言
致谢
作者简介
第1章简介1
1.1AI、机器学习和数据科学2
1.2什么是数据科学3
1.2.1提取有意义的模式3
1.2.2构建表示模型3
1.2.3统计、机器学习和计算的结合4
1.2.4学习算法4
1.2.5相关领域4
1.3数据科学的案例5
1.3.1体量5
1.3.2维度5
1.3.3复杂问题6
1.4数据科学的分类6
1.5数据科学的算法7
1.6本书路线图8
1.6.1数据科学入门8
1.6.2练习使用RapidMiner8
1.6.3核心算法9
参考文献11
第2章数据科学过程12
2.1先验知识13
2.1.1目标13
2.1.2主题范围14
2.1.3数据14
2.1.4因果关系与相关性15
2.2数据准备15
2.2.1数据探索15
2.2.2数据质量16
2.2.3缺失值16
2.2.4数据类型和转换16
2.2.5转换17
2.2.6异常值17
2.2.7特征选择17
2.2.8数据采样17
2.3建模18
2.3.1训练数据集和测试数据集18
2.3.2学习算法19
2.3.3模型评估20
2.3.4集成模型20
2.4应用21
2.4.1生产准备21
2.4.2技术整合21
2.4.3响应时间21
2.4.4模型刷新22
2.4.5同化22
2.5知识22
参考文献23
第3章数据探索24
3.1数据探索的目标24
3.2数据集25
3.3描述性统计26
3.3.1单变量探索27
3.3.2多变量探索28
3.4数据可视化30
3.4.1单变量的可视化31
3.4.2多变量的可视化34
3.4.3可视化高维数据38
3.5数据探索的路线图40
参考文献41
第4章分类42
4.1决策树42
4.1.1工作原理42
4.1.2实现过程47
4.1.3小结55
4.2规则归纳56
4.2.1工作原理58
4.2.2实现过程60
4.2.3小结63
4.3k-NN（k-近邻）63
4.3.1工作原理64
4.3.2实现过程69
4.3.3小结71
4.4朴素贝叶斯71
4.4.1工作原理72
4.4.2实现过程77
4.4.3小结79
4.5人工神经网络80
4.5.1工作原理82
4.5.2实现过程84
4.5.3小结86
4.6支持向量机87
4.6.1工作原理89
4.6.2实现过程91
4.6.3小结95
4.7集成学习95
4.7.1工作原理97
4.7.2实现过程98
4.7.3小结105
参考文献105
第5章回归方法107
5.1线性回归107
5.1.1工作原理108
5.1.2实现过程112
5.1.3检查点117
5.2逻辑回归120
5.2.1工作原理122
5.2.2实现过程124
5.2.3总结要点127
5.3总结127
参考文献127
第6章关联分析128
6.1挖掘关联规则129
6.1.1项集130
6.1.2规则生成132
6.2Apriori算法133
6.3频繁模式增长算法136
6.3.1工作原理136
6.3.2实现过程138
6.4总结141
参考文献141
第7章聚类142
7.1k-means聚类145
7.1.1工作原理147
7.1.2实现过程149
7.2DBSCAN聚类153
7.2.1工作原理153
7.2.2实现过程155
7.3自组织映射158
7.3.1工作原理159
7.3.2实现过程161
参考文献166
第8章模型评估168
8.1混淆矩阵169
8.2ROC和AUC170
8.3提升曲线172
8.4实现过程174
8.5总结177
参考文献178
第9章文本挖掘179
9.1工作原理180
9.1.1词频–逆文档频率180
9.1.2词语181
9.2实现过程184
9.2.1实现1：关键词聚类184
9.2.2实现2：预测博客作者的性别187
9.3总结193
参考文献194
第10章深度学习195
10.1AI冬天197
10.1.1AI冬天：20世纪70年代197
10.1.2冬季解冻：20世纪80年代198
10.1.3人工智能的春夏：2006年至今200
10.2工作原理201
10.2.1神经网络的回归模型201
10.2.2梯度下降法202
10.2.3需要反向传播204
10.2.4分类超过2个：softmax205
10.2.5卷积神经网络207
10.2.6密集层211
10.2.7随机失活层211
10.2.8循环神经网络212
10.2.9自动编码器213
10.2.10相关AI模型213
10.3实现过程214
10.4总结217
参考文献218
第11章推荐引擎219
11.1推荐引擎的概念221
11.2协同过滤225
11.2.1基于邻域的方法226
11.2.2矩阵分解233
11.3基于内容的过滤238
11.3.1用户画像的计算239
11.3.2有监督学习方法245
11.4混合推荐器249
11.5总结250
参考文献251
第12章时间序列预测253
12.1时间序列分解256
12.1.1经典分解258
12.1.2实现过程258
12.2基于平滑的方法260
12.2.1简单预测方法260
12.2.2指数平滑261
12.2.3实现过程263
12.3基于回归的方法264
12.3.1回归265
12.3.2周期性回归266
12.3.3集成移动平均自回归模型268
12.3.4周期性ARIMA272
12.4机器学习方法274
12.4.1窗口化275
12.4.2神经网络自回归280
……