书籍详情
![《数据科学与商业分析用机器学习与统计学优化商业决策》[33M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/bdf36b7aa9dd83e6.jpg)
数据科学与商业分析用机器学习与统计学优化商业决策
- 出版社:万里路图书专营店
- 出版时间:2021-03
- 热度:12632
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
作 者:(美)马特·塔迪 著 陈光欣 译
定 价:99
出 版 社:人民邮电出版社
出版日期:2021年03月01日
页 数:264
装 帧:平装
ISBN:9787115559135
1.亚马逊北美首席经济学家，前芝加哥大学统计学教授带你解决从数据到业务实操的最后一公里问题；
2.书中通过大量数据分析示例讲解如何利用R语言编写脚本来解决复杂的数据科学问题；
3.本书是解决数据业务问题的实践指南，旨在通过大量真实的一线案例，介绍如何将业务问题和数据联系起来；
4.本书详细展示应用统计学+机器学习+经济学进行数据分析，进而驱动和优化商业决策的过程。
5.基于R语言。
●第0章引言1
从两张图说起1
大数据与机器学习4
计算6
第1章不确定性14
1.1频率不确定性和bootstrap方法14
1.2假设检验和错误发现率控制25
1.3贝叶斯推断33
第2章回归37
2.1线性模型37
2.2逻辑回归46
2.3偏差与似然49
2.4回归不确定性53
2.5空间和时间56
第3章正则化64
3.1样本外预测效果64
3.2正则化方法68
3.3模型选择77
3.4lasso的不确定性量化87
第4章分类94
4.1最近邻94
4.2概率、成本和分类97
4.3多元逻辑回归102
4.4分布式多元回归106
4.5分布式与大数据110
第5章实验114
5.1随机控制试验115
5.2近似实验设计125
5.3工具变量135
第6章控制143
6.1条件可忽略性与线性处理效果143
6.2高维混淆变量调整146
6.3样本分割与正交机器学习148
6.4异质性处理效果152
6.5合成控制法164
第7章分解167
7.1聚类167
7.2因子模型和主成分分析173
7.3主成分回归180
7.4偏最小二乘法184
第8章文本作为数据189
8.1分词190
8.2文本回归194
8.3主题模型194
8.4多元逆回归200
8.5协同过滤204
8.6词嵌入技术206
第9章非参数方法209
9.1决策树210
9.2随机森林216
9.3因果关系树224
9.4半参数方法与高斯过程228
第10章人工智能233
10.1什么是人工智能233
10.2通用机器学习237
10.3深度学习240
10.4SGD244
10.5强化学习248
10.6商业环境中的人工智能251
从两张图说起1
大数据与机器学习4
计算6
第1章不确定性14
1.1频率不确定性和bootstrap方法14
1.2假设检验和错误发现率控制25
1.3贝叶斯推断33
第2章回归37
2.1线性模型37
2.2逻辑回归46
2.3偏差与似然49
2.4回归不确定性53
2.5空间和时间56
第3章正则化64
3.1样本外预测效果64
3.2正则化方法68
3.3模型选择77
3.4lasso的不确定性量化87
第4章分类94
4.1最近邻94
4.2概率、成本和分类97
4.3多元逻辑回归102
4.4分布式多元回归106
4.5分布式与大数据110
第5章实验114
5.1随机控制试验115
5.2近似实验设计125
5.3工具变量135
第6章控制143
6.1条件可忽略性与线性处理效果143
6.2高维混淆变量调整146
6.3样本分割与正交机器学习148
6.4异质性处理效果152
6.5合成控制法164
第7章分解167
7.1聚类167
7.2因子模型和主成分分析173
7.3主成分回归180
7.4偏最小二乘法184
第8章文本作为数据189
8.1分词190
8.2文本回归194
8.3主题模型194
8.4多元逆回归200
8.5协同过滤204
8.6词嵌入技术206
第9章非参数方法209
9.1决策树210
9.2随机森林216
9.3因果关系树224
9.4半参数方法与高斯过程228
第10章人工智能233
10.1什么是人工智能233
10.2通用机器学习237
10.3深度学习240
10.4SGD244
10.5强化学习248
10.6商业环境中的人工智能251
大数据和机器学习等的兴起使得商业分析领域越来越倚重数据科学。本书详细介绍了商业数据科学中的关键元素，汇集了机器学习、经济学以及统计学领域的核心原则和很好实践，内容涵盖识别商业政策中的重要变量、通过实验测量这些变量，以及挖掘社交媒体以了解公众对于政策修改的反应，为从事商业数据科学的数据科学家和商业人士提供了推荐工具。书中通过大量数据分析示例讲解如何利用R语言编写脚本来解决复杂的数据科学问题。本书适合对数据科学感兴趣的普通人，以及想掌握或提升数据科学技能的数据科学家和商业人士阅读。
(美)马特·塔迪 著 陈光欣 译
Matt Taddy，美国经济学家、数据科学家。现任亚马逊北美首席经济学家、大名鼎鼎的亚马逊经济学家团队Central Economics Team VP。曾任芝加哥大学布斯商学院计量经济学和统计学教授，明星教师，开创了数据科学课程。曾任微软商务人工智能首席研究员、eBay研究员。