本书读者对象：想了解数据分析、统计分析、机器学习的人员；想从事数据科学相关工作者的人员

本书以R语言和Python为工具，对数据科学实践中经常遇到的数据质量问题和处理要点、回归模型、决策树、聚类、降维，以及常用的监督学习方法和深度学习等内容，进行了详细讲解。可以让读者在短时间内掌握使用R语言和Python从数据创建模型到获取结果的基本步骤，并用R语言和Python体验学习各种统计分析的“理论”和“实际思维方式”，在掌握使用R / Python实践数据科学与机器学习基本技能的同时获得自身持续发展和深入学习所需的素养。

□ 能够直观地了解什么是统计建模。

□ 能够理解基于模型的因素分析和预测之间的差异。

□ 在实际创建模型或解释结果时不要掉进“陷阱”

本书特点

1、本书的特点是数据分析和建模都是基于实际数据进行，而不是基于已经处理过的特定数据；

2、本书中每一章的实例都是基于现实中可能发生的场景，都是用来解决实际问题；

3、本书尽可能不使用数学公式而专注于实际利用，用实际输入代码动手实践的形式更好地理解知识点。

《R & Python 数据科学与机器学习实践》以动手实践的形式介绍了数据分析、统计分析和机器学习的相关内容，可以让读者

在短时间内掌握使用R语言和Python从数据创建模型并获取结果的基本步骤，并用R & Python体验学习各种分析的“理论”和“实

际思维方式”。全书共5章，其中第1章介绍了数据科学入门的基础知识，让读者对数据科学领域有一个整体认识；第2章介绍

了R & Python的语法基础和编程入门相关知识，为编程基础薄弱的读者顺利学习本书打好坚实的编程基础；第3~4章介绍了非常

重要的数据处理、数据分析和用R语言实现的统计建模方法；第5章介绍了用Python实现的以预测为目的的机器学习方法。对实

践中经常遇到的数据质量问题和处理要点、回归模型、决策树、聚类、降维，以及常用的监督学习方法和深度学习等内容均进

行了讲解。

《R & Python数据科学与机器学习实践》不是一本入门书，它是一本尽可能不使用数学公式而专注于利用的书，致力于让读

者掌握使用R / Python实践数据科学与机器学习的基本技能并获得自身持续发展和深入学习所需的素养，特别适合有一定统计学

和机器学习基础，想快速提升技能的程序员学习，也适合作为高校统计学、数据科学和人工智能相关专业的参考书。

野村综合研究所

野村综合研究所是日本一所著名的研究机构，也是日本规模最大、研究人数最多的思想库，在纽约、伦敦、香港等地设有分支机构，其研究实力和综合能力在世界上都有一定的影响力。

有贺友纪

人类科学硕士。在野村综合研究所从事与企业IT应用趋势相关的调查和研究工作。根据从大学专业（心理学）中掌握的定量分析的经验出发，重点关注如何合理地利用数据和解决问题。另外，他还负责公司内部有关数据科学的培训计划制定、内容制作和教学工作。

大桥俊介

工学硕士。在野村综合研究所从事供应链领域中以数据咨询为契机的数据科学工作。目前，

在广泛的行业和业务领域中，从事通过应用机器学习和混合整数规划等优化方法来提高业务效率的工作。