应用预测建模计算机与互联网pdf下载pdf下载

应用预测建模计算机与互联网百度网盘pdf下载

作者:
简介:本篇主要提供应用预测建模计算机与互联网pdf下载
出版社：互动出版网图书专营店
出版时间：
pdf下载价格：0.00￥

免费下载

前去下载

书籍下载

下载地址

内容介绍

 书[0名0]：  (正版特价)应用预测建模|229196
 图书定价：  99元
 图书作者：  （美）马克斯·库恩（Max Kuhn）;谢尔·约翰逊（ Kjell Johnson）
 出版社：  [1机1]械工业出版社
 出版日期：  2016/5/1 0:00:00
 ISBN号：  9787111533429
 开本：  16开
 页数：  409
 版次：  1-1
 作者简介
马克斯·库恩(Max Kuhn)，康涅狄格州格罗顿市辉瑞全球研发非临床统计部[1主1]任，在制[yao]和诊断行业已有近20年应用预测模型的[纟巠]验，他还是很多R包的作者。 谢尔·约翰逊(Kjell Johnson)，博士，在[yao]物研发和其他行业有近20年统计咨询和预测建模[纟巠]验，曾任辉瑞全球研发统计部[1主1]任。
 内容简介
这是一本专注于预测建模的数据分析书，意在为实践者[扌是]供预测建模过程的指导，比如如何进行数据预处理、模型调[0优0]、预测变量重要性度量、变量选择等。读者可以从中[0学0]到许多建模方[0法0]以及[扌是]高对许多常用的、现代的有效模型的认识，如线性回归、非线性回归和分类模型，涉及树方[0法0]、支持向量[1机1]等。[0第0]10章和[0第0]17章分别研究混凝土混合物的抗压强度和作业调度两个案例。
作者重实际应用，轻数[0学0]理论，从实际数据出发，结合开源软[亻牛]R语言来求解实际问题，详细给出R代码和处理的步骤。R包AppliedPredictiveModeling包含书中使用的数据，以及可以用于重复书中每一章分析的R代码，让读者能在一定精度范围内重复本书的结果，并自然地将书中的预测建模方[0法0]应用到自己的数据上。章后附有习题，方便读者巩固所[0学0]。
这本业界互相推荐的[女子]书，适合所有数据分析人员阅读。
 目录

译者序
前言
[0第0]1章导论
1.1预测与解释
1.2预测模型的关键部分
1.3专业术语
1.4实例数据集和典型数据场景
1.5概述
1.6符号
[0第0]一部分一般策略
[0第0]2章预测建模过程简介
2.1案例分析：预测燃油效能
2.2[1主1]题
2.3总结
[0第0]3章数据预处理
3.1案例分析：高内涵筛选中的细胞分组
3.2单个预测变量数据变换
3.3多个预测变量数据变换
3.4处理缺失值
3.5移除预测变量
3.6增加预测变量
3.7区间化预测变量
3.8计算
习题
[0第0]4章过度拟合与模型调[0优0]
4.1过度拟合的问题
4.2模型调[0优0]
4.3数据分割
4.4重抽样技术
4.5案例分析：信用[0评0]分
4.6选择调[0优0]参数值
4.7数据划分建议
4.8不同模型间的选择
4.9计算
习题
[0第0]二部分回归模型
[0第0]5章衡量回归模型的效果
5.1模型效果的定量度量
5.2方差偏差的[0权0]衡
5.3计算
[0第0]6章线性回归及其扩展
6.1案例分析：定量构效关系建模
6.2线性回归
6.3偏[*]小二乘[0法0]
6.4惩罚模型
6.5计算
习题
[0第0]7章非线性回归模型
7.1神[纟巠]网络
7.2多元自适应回归样条
7.3支持向量[1机1]
7.4K近邻
7.5计算
习题
[0第0]8章回归树与基于规则的模型
8.1简单回归树
8.2回归模型树
8.3基于规则的模型
8.4装袋树
8.5随[1机1]森林
8.6助推[0法0]
8.7Cubist
8.8计算
习题
[0第0]9章溶解度模型总结
[0第0]10章案例研究：混凝土混合物的抗压强度
10.1模型构建策略
10.2模型性能
10.3[0优0]化抗压强度
10.4计算
[0第0]三部分分类模型
[0第0]11章分类模型的效果度量
11.1类预测
11.2[0评0]估预测类
11.3[0评0]估类概率
11.4计算
[0第0]12章判别分析和其他线性分类模型
12.1案例分析：预测是否成功申请[纟巠]费
12.2逻辑回归
12.3线性判别分析
12.4偏[*]小二乘判别分析
12.5惩罚模型
12.6[*]近收缩质心
12.7计算
习题
[0第0]13章非线性分类模型
13.1非线性判别分析
13.2神[纟巠]网络
13.3灵活判别分析
13.4支持向量[1机1]
13.5K近邻
13.6朴素贝叶斯
13.7计算
习题
[0第0]14章分类树与基于规则的模型
14.1基本的分类树
14.2基于规则的模型
14.3装袋决策树
14.4随[1机1]森林
14.5助推[0法0]
14.6C5.0
14.7比较两种分类预测变量编码方式
14.8计算
习题
[0第0]15章[纟巠]费申请模型的总结
[0第0]16章对严重类失衡的补救方[0法0]
16.1案例分析: 预测房车保险所有[0权0]
16.2类失衡的影响
16.3模型调[0优0]
16.4选择截点
16.5调整先验概率
16.6不等案例[0权0]重
16.7抽样方[0法0]
16.8成本敏感度训练
16.9计算
习题
[0第0]17章案例研究：作业调度
17.1数据切分和模型策略
17.2结果
17.3计算
[0第0]18章衡量预测变量重要性
18.1数值结果变量
18.2分类结果变量
18.3其他方[0法0]
18.4计算
习题
[0第0]19章特征选择介绍
19.1使用无信息预测变量的结果
19.2减少预测变量个数的方[0法0]
19.3绕封[0法0]
19.4过滤[0法0]
19.5选择偏差
19.6案例分析：预测认[0知0]损伤
19.7计算
习题
[0第0]20章影响模型表现的因素
20.1[0第0]Ⅲ类错误
20.2结果变量的测量误差
20.3预测变量的测量误差
20.4连续变量离散化
20.5模型预测何时是可信的
20.6[0大0]样本的影响
20.7计算
习题
附录
附录A各种模型的总结
附录BR语言介绍
附录C值得关注的网站
参考文献