●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
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
3.1样本外预测效果
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
异质性处理效果152
6.5合成控制法1
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
0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