Excel机器学习

1.在Excel当中分步讲解机器学习方法，有效理解机器学习的底层原理； 2.数据挖掘的基础知识与Excel实例相结合，内容清晰，逻辑顺畅； 3.清楚地明晰机器学习的模型构建过程，帮助你在不写代码、不记忆复杂数学公式的情况下，牢固地掌握机器学习的核心概念。

本书通过Excel示例介绍常用的机器学习算法和数据挖掘技术。许多机器学习任务的目的是找到数据中的隐藏模式。Excel能够清楚地展示机器学习建模过程的每一步及中间结果，让你不仅知其然，还知其所以然。第1章解释用Excel学习机器学习的益处。第2~12章分别介绍线性回归、k均值聚类、线性判别分析、交叉验证、logistic回归、k最近邻、朴素贝叶斯分类、决策树、关联分析、神经网络、文本挖掘。第13章总结全书内容，并为读者指出继续学习的方向。本书适合所有机器学习初学者阅读。此外，数据挖掘新手、视觉型学习者、教育工作者、想理解流行数据挖掘技术背后的数学原理的人，以及想提高Excel技能的人都可以通过阅读本书受益。

周红博士是美国康涅狄格州圣约瑟夫大学计算机科学和数学教授，也曾在硅谷从事软件开发工作。作为经验丰富的教育工作者，他意识到利用Excel分步讲解机器学习方法和数据挖掘技巧的独特优势，并在实际教学过程中成功地引入Excel作为演示工具。这种教学方法颇受学生欢迎。

第1章Excel和数据挖掘1
1．1为什么选择Excel1
1．2Excel预备技巧4
1．2．1公式5
1．2．2自动填充或复制5
1．2．3绝对引用7
1．2．4选择性粘贴和值粘贴9
1．2．5IF函数11
1．3复习要点17
第2章线性回归18
2．1一般性理解18
2．2通过Excel学习线性回归22
2．3通过Excel学习多元线性回归25
2．4复习要点28
第3章k均值聚类29
3．1一般性理解29
3．2通过Excel学习k均值聚类30
3．3复习要点39
第4章线性判别分析40
4．1一般性理解40
4．2规划求解42
4．3通过Excel学习线性判别分析44
4．4复习要点53
第5章交叉验证和ROC曲线分析54
5．1对交叉验证的一般性理解54
5．2通过Excel学习交叉验证55
5．3对ROC曲线分析的一般性理解59
5．4通过Excel学习ROC曲线分析60
5．5复习要点65
第6章logistic回归66
6．1一般性理解66
6．2通过Excel学习logistic回归67
6．3复习要点73
第7章k最近邻74
7．1一般性理解74
7．2通过Excel学习k最近邻75
7．2．1实验175
7．2．2实验278
7．2．3实验382
7．2．4实验485
7．3复习要点87
第8章朴素贝叶斯分类88
8．1一般性理解88
8．2通过Excel学习朴素贝叶斯分类90
8．2．1练习191
8．2．2练习294
8．3复习要点100
第9章决策树101
9．1一般性理解102
9．2通过Excel学习决策树105
9．2．1开始学习105
9．2．2更好的方法115
9．2．3应用模型118
9．3复习要点120
第10章关联分析121
10．1一般性理解122
10．2通过Excel学习关联分析124
10．3复习要点131
第11章人工神经网络132
11．1一般性理解132
11．2通过Excel学习人工神经网络134
11．2．1实验1134
11．2．2实验2143
11．3复习要点152
第12章文本挖掘153
12．1一般性理解153
12．2通过Excel学习文本挖掘155
12．3复习要点168
第13章后记169