目 錄

第1章 數(shù)據(jù)分析與數(shù)據(jù)挖掘基礎(chǔ) 1
1.1 數(shù)據(jù)分析與數(shù)據(jù)挖掘需求 1
1.1.1 數(shù)據(jù)分析與數(shù)據(jù)挖掘 1
1.1.2 大數(shù)據(jù)處理需求 2
1.1.3 數(shù)據(jù)分析誤區(qū)與隱私問題 3
1.2 數(shù)據(jù)分析與數(shù)據(jù)挖掘的工作過程 3
1.2.1 數(shù)據(jù)分析的主要工作過程 3
1.2.2 數(shù)據(jù)收集 5
1.2.3 數(shù)據(jù)展示 6
1.3 數(shù)據(jù)的組織和數(shù)據(jù)的類型 7
1.3.1 數(shù)據(jù)的一般組織形式 7
1.3.2 數(shù)據(jù)類型 8
1.3.3 分類數(shù)據(jù)的編碼 9
1.4 數(shù)據(jù)的常用描述性統(tǒng)計量 11
1.4.1 數(shù)據(jù)的中心趨勢 11
1.4.2 數(shù)據(jù)的離散程度 12
1.4.3 數(shù)據(jù)的形態(tài)統(tǒng)計量 15
1.5 數(shù)據(jù)的基本描述性統(tǒng)計分析 18
1.5.1 數(shù)據(jù)的描述性統(tǒng)計 18
1.5.2 五數(shù)概括與盒圖 19
1.5.3 數(shù)據(jù)的描述性統(tǒng)計圖 20
1.6 本章小結(jié) 22
本章概念與關(guān)鍵詞 22
練習(xí)與思考 23
第2章 數(shù)據(jù)抽樣與推斷檢驗 24
2.1 隨機變量概率分布 24
2.1.1 概率分布 24
2.1.2 正態(tài)分布 26
2.1.3 二項分布與泊松分布 28
2.1.4 幾何分布與超幾何分布 29
2.2 抽樣統(tǒng)計分析 31
2.2.1 抽樣的相關(guān)概念 31
2.2.2 概率抽樣的典型方法 33
2.2.3 非隨機抽樣的典型方法 34
2.3 基本抽樣分布 34
2.3.1 經(jīng)驗分布、理論分布與抽樣分布 34
2.3.2 三大抽樣分布 36
2.3.3 小概率事件 38
2.4 常用的抽樣分布與區(qū)間估計 40
2.4.1 常用的統(tǒng)計量抽樣分布 40
2.4.2 置信區(qū)間與區(qū)間估計 42
2.5 常用的參數(shù)檢驗 45
2.5.1 假設(shè)檢驗一般過程 45
2.5.2 常用的參數(shù)檢驗統(tǒng)計量 47
2.6 常用的單樣本非參數(shù)檢驗 48
2.6.1 卡方檢驗 48
2.6.2 二項分布檢驗 49
2.6.3 固定參數(shù)的超幾何分布檢驗 49
2.6.4 游程檢驗 50
2.6.5 單樣本K-S檢驗 54
2.7 本章小結(jié) 56
本章概念與關(guān)鍵詞 57
練習(xí)與思考 57
第3章 可視化圖與分組檢驗 59
3.1 數(shù)據(jù)的常用可視化圖分析 59
3.1.1 數(shù)據(jù)的常用可視化圖 59
3.1.2 基于圖的可視化觀測一般過程 62
3.2 均值比較和t檢驗 62
3.2.1 分組統(tǒng)計 62
3.2.2 數(shù)據(jù)標(biāo)準(zhǔn)化與Z-Score 63
3.2.3 單樣本t檢驗 64
3.2.4 兩獨立樣本t檢驗 65
3.2.5 兩配對樣本t檢驗 67
3.3 方差齊性檢驗 68
3.3.1 Levene方差齊性檢驗 68
3.3.2 基于F檢驗的方差齊性檢驗 69
3.3.3 Brown-Forsythe方差齊性檢驗 70
3.3.4 Bartlett’s方差齊性檢驗 70
3.4 兩獨立樣本的非參數(shù)檢驗 71
3.4.1 Mann-Whitney U檢驗 71
3.4.2 兩獨立樣本K-S檢驗 74
3.4.3 兩獨立樣本游程檢驗 76
3.4.4 兩獨立樣本Moses極端反應(yīng)檢驗 77
3.4.5 兩獨立樣本Brown-Mood中位數(shù)
檢驗 78
3.5 兩配對樣本的非參數(shù)檢驗 81
3.5.1 兩配對樣本符號檢驗 81
3.5.2 中位數(shù)、分位數(shù)及比例的符號
檢驗 82
3.5.3 兩配對樣本W(wǎng)ilcoxon符號秩
檢驗 83
3.5.4 Wilcoxon符號秩單樣本檢驗 85
3.5.5 兩配對樣本McNemar檢驗 86
3.5.6 邊緣齊性檢驗 88
3.6 多樣本的非參數(shù)檢驗 88
3.6.1 多獨立樣本中位數(shù)檢驗 88
3.6.2 多獨立樣本Kruskal-Wallis檢驗 90
3.6.3 多獨立樣本Jonckheere-Terpstra
檢驗 91
3.6.4 多配對樣本Friedman檢驗 94
3.6.5 多配對樣本Kendall協(xié)同系數(shù)
檢驗 96
3.6.6 多配對樣本Cochran’s Q檢驗 97
3.7 本章小結(jié) 98
本章概念與關(guān)鍵詞 99
練習(xí)與思考 99
第4章 方差分析與相關(guān)性分析 102
4.1 方差分析 102
4.1.1 方差分析中的變量 102
4.1.2 單因素方差分析 103
4.1.3 單因素方差Brown-Forsythe
檢驗 105
4.1.4 單因素方差Welch’s t檢驗 106
4.1.5 無交互作用的雙因素方差分析 107
4.1.6 有交互作用的雙因素方差分析 109
4.2 Post Hoc檢驗 111
4.2.1 LSD檢驗 111
4.2.2 Studentized極差分布 112
4.2.3 Tukey’s Range檢驗 113
4.2.4 Tukey-Kramer檢驗 115
4.2.5 SNK檢驗 117
4.2.6 其他幾種常用檢驗方法 118
4.3 連續(xù)屬性數(shù)據(jù)的相關(guān)性分析 119
4.3.1 協(xié)方差的線性相關(guān)性度量 119
4.3.2 相關(guān)系數(shù)的線性相關(guān)性度量 122
4.3.3 Spearman秩相關(guān)系數(shù) 124
4.4 離散屬性相關(guān)性分析 126
4.4.1 交叉列聯(lián)表分析 126
4.4.2 用卡方檢驗進(jìn)行離散相關(guān)性分析 127
4.4.3 列聯(lián)表上常用的指標(biāo) 128
4.4.4 Fisher’s exact檢驗 129
4.5 本章小結(jié) 131
本章概念與關(guān)鍵詞 132
練習(xí)與思考 132
第5章 數(shù)據(jù)的預(yù)處理與距離分析 134
5.1 數(shù)據(jù)的預(yù)處理 134
5.1.1 數(shù)據(jù)清理 134
5.1.2 數(shù)據(jù)集成 136
5.1.3 數(shù)據(jù)變換 137
5.1.4 數(shù)據(jù)歸約 137
5.2 數(shù)據(jù)的常用組織方式 138
5.2.1 數(shù)據(jù)的常用邏輯組織 138
5.2.2 數(shù)據(jù)的常用物理組織 139
5.2.3 高精度計算與矩陣計算 139
5.2.4 編程語言、軟件工具 140
5.3 相似度計算與距離分析 140
5.3.1 相似度與距離的轉(zhuǎn)換 140
5.3.2 閔可夫斯基距離 143
5.3.3 馬氏距離 145
5.3.4 混合屬性的相似度與距離 147
5.4 kNN分類模型 148
5.4.1 kNN分類模型概述 148
5.4.2 距離加權(quán)kNN分類模型 150
5.5 參數(shù)的點估計 151
5.5.1 原點矩與中心矩 151
5.5.2 矩估計法 152
5.5.3 極大似然估計法 153
5.6 本章小結(jié) 156
本章概念與關(guān)鍵詞 156
練習(xí)與思考 156
第6章 回歸分析 158
6.1 一元線性回歸 158
6.1.1 一元線性回歸問題描述 158
6.1.2 一元線性回歸模型與求解 159
6.1.3 確認(rèn)回歸方程的精度 161
6.1.4 總體回歸的方差分析 162
6.1.5 殘差分析 164
6.1.6 回歸方程參數(shù)檢驗 167
6.1.7 回歸方程預(yù)測與控制 168
6.2 多元線性回歸 170
6.2.1 多元線性回歸問題描述 170
6.2.2 多元線性回歸模型與求解 172
6.2.3 確認(rèn)回歸方程的精度 173
6.2.4 殘差分析 174
6.2.5 回歸方程參數(shù)檢驗 175
6.2.6 回歸方程預(yù)測 176
6.3 常用的曲線回歸 177
6.3.1 曲線回歸問題 177
6.3.2 多項式回歸 177
6.3.3 指數(shù)回歸與對數(shù)回歸 179
6.3.4 其他常見曲線回歸 179
6.4 最小二乘法及其應(yīng)用 179
6.4.1 最小二乘法線性擬合 179
6.4.2 偽逆矩陣求解 180
6.4.3 Moore-Pseudo逆矩陣 181
6.4.4 最小均方誤差算法 182
6.4.5 非線性回歸 183
6.4.6 智能優(yōu)化求解技術(shù) 183
6.5 Logistic回歸 184
6.5.1 Logistic回歸分類與基本函數(shù) 184
6.5.2 Logistic回歸系數(shù)計算 185
6.6 本章小結(jié) 186
本章概念與關(guān)鍵詞 187
練習(xí)與思考 187
第7章 空間降維技術(shù) 189
7.1 主成分分析 189
7.1.1 主成分分析描述 189
7.1.2 基于協(xié)方差矩陣的主成分分析 190
7.1.3 基于相關(guān)系數(shù)矩陣的主成分
分析 192
7.1.4 主成分分析與因子分析的聯(lián)系 193
7.1.5 主成分分析的作用 194
7.2 因子分析案例研究 196
7.2.1 研究的目的與內(nèi)容 196
7.2.2 變量選取與數(shù)據(jù)來源 196
7.2.3 因子分析過程 197
7.2.4 因子回歸分析 198
7.2.5 案例研究結(jié)論 199
7.3 奇異值分解 200
7.3.1 SVD的協(xié)同過濾推薦 200
7.3.2 SVD在協(xié)同過濾中的應(yīng)用 203
7.3.3 SVD增量式協(xié)同過濾方法 204
7.4 主成分回歸與逐步回歸 205
7.4.1 多重共線性 205
7.4.2 主成分回歸 207
7.4.3 逐步回歸 207
7.5 本章小結(jié) 208
本章概念與關(guān)鍵詞 208
練習(xí)與思考 209
第8章 關(guān)聯(lián)規(guī)則與點對相關(guān)性 210
8.1 頻繁模式與關(guān)聯(lián)規(guī)則的基本
概念 210
8.1.1 頻繁模式的基本概念 210
8.1.2 關(guān)聯(lián)規(guī)則的基本概念 211
8.1.3 極大頻繁模式與閉頻繁模式 212
8.2 頻繁模式挖掘 213
8.2.1 Apriori算法 213
8.2.2 垂直數(shù)據(jù)格式 214
8.2.3 基于頻繁模式計算關(guān)聯(lián)規(guī)則 215
8.3 頻繁模式樹 216
8.3.1 頻繁模式樹的構(gòu)建 216
8.3.2 頻繁模式樹的遞歸過程 219
8.4 點對相似度的典型度量 220
8.4.1 點對關(guān)系常見度量 220
8.4.2 點對相關(guān)性度量的幾種特性 222
8.5 信息熵及其應(yīng)用與點對相關(guān)性
度量 224
8.5.1 信息熵 224
8.5.2 聯(lián)合熵與互信息 226
8.5.3 信息增益、相對熵和交叉熵 228
8.5.4 互信息、交叉熵用于相關(guān)性 229
8.6 本章小結(jié) 230
本章概念與關(guān)鍵詞 230
練習(xí)與思考 231
第9章 決策樹 232
9.1 分類問題與模型訓(xùn)練 232
9.1.1 分類問題描述 232
9.1.2 分類問題舉例與泛化問題 233
9.1.3 分類模型的常見評價指標(biāo) 235
9.2 決策樹及ID3算法 236
9.2.1 決策樹概述 236
9.2.2 ID3算法 238
9.3 C4.5算法與連續(xù)屬性特征分
類樹 241
9.3.1 C4.5算法 241
9.3.2 連續(xù)屬性的決策樹構(gòu)建 241
9.4 CART決策樹 243
9.4.1 CART分類樹 243
9.4.2 CART回歸樹 244
9.5 決策樹剪枝 250
9.5.1 剪枝問題的提出與先剪枝技術(shù) 250
9.5.2 錯誤率降低剪枝法 251
9.5.3 悲觀剪枝法 251
9.5.4 代價復(fù)雜度剪枝法 254
9.6 ROC曲線與AUC指標(biāo) 255
9.6.1 ROC曲線描述與繪制 255
9.6.2 ROC曲線繪制與作用 257
9.6.3 AUC指標(biāo)與應(yīng)用 258
9.7 本章小結(jié) 259
本章概念與關(guān)鍵詞 259
練習(xí)與思考 260
第10章 貝葉斯分類 261
10.1 連續(xù)屬性貝葉斯分類器 261
10.1.1 單個連續(xù)屬性貝葉斯分類 261
10.1.2 多個連續(xù)屬性的最小總風(fēng)險
決策 262
10.1.3 多個連續(xù)屬性的最小平均誤差率
決策 263
10.2 正態(tài)概率分布下的貝葉斯分
類器 264
10.2.1 分類器的判別函數(shù)表示形式 264
10.2.2 正態(tài)分布下的貝葉斯判別函數(shù) 264
10.2.3 正態(tài)分布下的貝葉斯判別舉例 265
10.3 離散屬性貝葉斯分類器 267
10.3.1 離散屬性貝葉斯模型 267
10.3.2 樸素貝葉斯分類器 267
10.4 樸素貝葉斯文本分類和TAN貝葉斯
模型 270
10.4.1 樸素貝葉斯文本分類器 270
10.4.2 TAN貝葉斯分類模型 272
10.5 貝葉斯分類器中的參數(shù)估計與非參數(shù)
估計 276
10.5.1 貝葉斯分類器中的參數(shù)估計 276
10.5.2 非參數(shù)估計 277
10.6 本章小結(jié) 278
本章概念與關(guān)鍵詞 279
練習(xí)與思考 279
第11章 特征空間與判別分析 280
11.1 特征空間 280
11.1.1 特征空間構(gòu)造 280
11.1.2 特征空間評價 282
11.1.3 特征空間變換 284
11.1.4 證據(jù)空間 285
11.2 特征提取與特征選擇 285
11.2.1 特征提取 285
11.2.2 特征選擇 285
11.2.3 jiang相關(guān)系數(shù) 286
11.2.4 過濾式特征選擇 288
11.2.5 封裝式特征選擇 288
11.2.6 嵌入式特征選擇 289
11.3 極大似然判別分析 289
11.3.1 極大似然判別分析的工作過程 289
11.3.2 極大似然判別分析的應(yīng)用舉例 290
11.4 距離判別分析 290
11.4.1 距離與相似度的常用度量 290
11.4.2 距離判別分析的工作原理 291
11.4.3 距離判別法的檢驗與多總體距離
判別 293
11.4.4 兩總體方差是否有相同的檢驗 294
11.4.5 加權(quán)的距離或相似度應(yīng)用于距離判別
分析與kNN分類模型 296
11.5 Fisher判別分析 296
11.5.1 兩類別的線性判別中的最佳投影
方向 296
11.5.2 兩類別的線性判別過程 298
11.5.3 多重線性判別分析 299
11.5.4 Fisher判別分析應(yīng)用舉例 301
11.6 本章小結(jié) 303
本章概念與關(guān)鍵詞 303
練習(xí)與思考 303
第12章 感知機與支持向量機 305
12.1 線性判別函數(shù) 305
12.1.1 線性判別函數(shù)表示 305
12.1.2 多重線性判別函數(shù) 306
12.1.3 廣義線性判別函數(shù) 306
12.2 感知機分類器 307
12.2.1 M-P模型 307
12.2.2 感知機結(jié)構(gòu) 308
12.2.3 感知機訓(xùn)練算法 309
12.2.4 感知機應(yīng)用舉例 312
12.3 感知機訓(xùn)練算法擴展 313
12.3.1 感知機的典型訓(xùn)練算法 313
12.3.2 感知機松弛算法 314
12.3.3 最小均方誤差求解算法 314
12.3.4 Ho-kashyap求解算法 316
12.3.5 多分類擴展偽逆求解 317
12.3.6 感知機的對偶形式 318
12.4 最大間隔超平面與結(jié)構(gòu)風(fēng)險 319
12.4.1 最大間隔超平面 319
12.4.2 經(jīng)驗風(fēng)險最小化與結(jié)構(gòu)風(fēng)險
最小化 320
12.5 支持向量機 323
12.5.1 線性可分時的支持向量機 323
12.5.2 數(shù)據(jù)不可分時的線性SVM 327
12.5.3 非線性支持向量機 332
12.5.4 支持向量機中的其他問題 336
12.6 本章小結(jié) 338
本章概念與關(guān)鍵詞 339
練習(xí)與思考 339
第13章 人工神經(jīng)網(wǎng)絡(luò) 341
13.1 激活函數(shù)與多層感知機 341
13.1.1 常見激活函數(shù) 341
13.1.2 多層感知機結(jié)構(gòu) 344
13.1.3 多層感知機設(shè)計 345
13.2 BP神經(jīng)網(wǎng)絡(luò) 347
13.2.1 BP神經(jīng)網(wǎng)絡(luò)及BP算法 347
13.2.2 BP算法訓(xùn)練中的注意事項 351
13.3 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用 355
13.3.1 二分類問題應(yīng)用 355
13.3.2 多分類問題與擬合問題 359
13.4 深度學(xué)習(xí) 361
13.4.1 深度學(xué)習(xí)技術(shù)環(huán)境 361
13.4.2 卷積神經(jīng)網(wǎng)絡(luò) 363
13.4.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與應(yīng)用
舉例 368
13.4.4 循環(huán)神經(jīng)網(wǎng)絡(luò) 373
13.4.5 其他深度學(xué)習(xí)技術(shù) 376
13.5 本章小結(jié) 378
本章概念與關(guān)鍵詞 379
練習(xí)與思考 379
第14章 集成學(xué)習(xí) 381
14.1 機器學(xué)習(xí)中的若干問題 381
14.1.1 機器學(xué)習(xí)的主要任務(wù)類型 381
14.1.2 機器學(xué)習(xí)的泛化問題 382
14.1.3 維數(shù)災(zāi)難問題 384
14.1.4 機器學(xué)習(xí)模型的優(yōu)越性問題 385
14.2 統(tǒng)計量重抽樣技術(shù) 386
14.2.1 偏差與方差 386
14.2.2 刀切法統(tǒng)計量估計 387
14.2.3 自助法統(tǒng)計量估計 388
14.3 分類器重抽樣技術(shù)與組合
分類器 389
14.3.1 Bagging法 389
14.3.2 Boosting法 389
14.3.3 Bagging法與Boosting法的主要
特點 390
14.3.4 組合分類器 390
14.4 隨機森林與Adaboost算法 393
14.4.1 隨機森林 393
14.4.2 Adaboost算法 396
14.5 分類模型中的若干問題 397
14.5.1 用二分類器處理多分類問題 397
14.5.2 多標(biāo)簽分類方法 399
14.5.3 類別數(shù)據(jù)不平衡問題 400
14.5.4 單純提高精確率與單純提高
召回率的方法 401
14.6 本章小結(jié) 402
本章概念與關(guān)鍵詞 403
練習(xí)與思考 403
第15章 聚類分析與離群點分析 404
15.1 聚類問題與聚類類型 404
15.1.1 聚類問題 404
15.1.2 聚類類型 405
15.2 基于劃分的聚類 406
15.2.1 k-means聚類 406
15.2.2 k-medoids聚類 408
15.3 層次聚類 410
15.3.1 簇間距離的計算 410
15.3.2 層次聚類方法 410
15.4 基于密度的聚類 412
15.4.1 DBSCAN聚類 412
15.4.2 OPTICS聚類 415
15.5 基于網(wǎng)格的聚類與基于模型的
聚類 417
15.5.1 CLIQUE聚類 417
15.5.2 自組織神經(jīng)網(wǎng)絡(luò)聚類原理 418
15.6 離群點分析 420
15.6.1 離群點分析 420

15.6.2 離群點檢測 420
15.7 本章小結(jié) 421
本章概念與關(guān)鍵詞 422
練習(xí)與思考 422
附錄A Mann-Whitney U檢驗的
臨界表 424
附錄B Wilcoxon signed-rank檢驗按符號秩
和的臨界表 424
附錄C Wilcoxon signed-rank檢驗按min
(正號秩，負(fù)號秩)的臨界表 425
附錄D q分布(Studentized range distribution)
的臨界表 426
附錄E Dunnett雙尾檢驗的臨界表 428
附錄F 相關(guān)系數(shù)R和判定系數(shù)R2的
臨界表 430
附錄G 鳶尾花數(shù)據(jù)集 431
參考文獻(xiàn) 433