数据科学中的实用统计学第2二版贝叶斯分析统计机器学习Python和R语言代码大数据分析挖掘 pdf下载

本书解释了数据科学中*关重要的统计学概念，并介绍了如何将各种统计方法应用于数据科学。作者以通俗易懂、分门别类的方式，阐释了统计学中与数据科学相关的关键概念，并解释了各统计学概念在数据科学中的重要性及有用程度。第 2 版在第1版的基础上加入了更多以Python 和 R 编写的示例，更清楚地阐释了如何将统计方法用于数据科学。

彼得·布鲁斯（Peter Bruce），Statistics.com统计学教育学院*办人兼院长，重采样统计软件Resampling Stats的*，美*统计协会职业发展咨询委员会成员。

安德鲁·布鲁斯（Andrew Bruce），*数据*、华盛顿大学统计学博士，拥有30余年的统计学和数据科学经验。

彼得·格德克（Peter Gedeck），数据*，拥有30余年的科学计算和数据科学经验，善于开发机器学习算法。

第　*章 探索性数据分析　*

*.*　结构化数据的要素　2

*.2　矩形数据　4

*.2.*　数据框和索引　5

*.2.2　非矩形数据结构　6

*.2.3　扩展阅读　6

*.3　位置估计　6

*.3.*　均值　8

*.3.2　中位数和健壮的估计　9

*.3.3　示例：人口和谋杀率的位置估计　*0

*.3.4　扩展阅读　**

*.4　变异性估计　**

*.4.*　标准差以及相关估计　*3

*.4.2　基于*分位数的估计　*4

*.4.3　示例：美*各州人口数量的变异性估计　*5

*.4.4　扩展阅读　*6

*.5　探索数据分布　*6

*.5.*　*分位数与箱线图　*7

*.5.2　频数表和直方图　*8

*.5.3　密度图和密度估计　20

*.5.4　扩展阅读　22

*.6　探索二元数据和分类型数据　22

*.6.*　众数　24

*.6.2　期望值　24

*.6.3　概率　25

*.6.4　扩展阅读　25

*.7　相关性　25

*.7.*　散点图　28

*.7.2　扩展阅读　29

*.8　探索两个及以上的变量　29

*.8.*　六边形分箱图和等*线图（绘制数值型数据之间的关系）　30

*.8.2　两个分类变量　32

*.8.3　分类型数据和数值型数据　33

*.8.4　多个变量的可视化　35

*.8.5　扩展阅读　37

*.9　小结　37

第　2 章 数据与抽样分布　39

2.*　随机抽样和样本偏差　40

2.*.*　偏差　42

2.*.2　随机选择　43

2.*.3　数量和质量：什么时候数量更重要　44

2.*.4　样本均值与总体均值　45

2.*.5　扩展阅读　45

2.2　选择偏差　45

2.2.*　均值回归　46

2.2.2　扩展阅读　48

2.3　统计量的抽样分布　48

2.3.*　中心*限定理　5*

2.3.2　标准误差　5*

2.3.3　扩展阅读　52

2.4　Bootstrap 方法　52

2.4.*　重抽样与Bootstrap 方法　55

2.4.2　扩展阅读　55

2.5　置信区间　55

2.6　正态分布　57

2.7　长尾分布　60

2.8　学生的t 分布　62

2.9　二项分布　64

2.*0　卡方分布　67

2.**　F 分布　68

2.*2　泊松及其相关分布　68

2.*2.*　泊松分布　69

2.*2.2　指数分布　69

2.*2.3　估计故障率　70

2.*2.4　韦布尔分布　70

2.*2.5　扩展阅读　7*

2.*3　小结　7*

第3　章 统计实验与显著性检验　72

3.*　A/B 测试　73

3.*.*　为什么要有对照组　75

3.*.2　为什么只有A/B，没有C/D……　76

3.*.3　扩展阅读　77

3.2　假设检验　77

3.2.*　零假设　78

3.2.2　备择假设　79

3.2.3　单向假设检验与双向假设检验　79

3.2.4　扩展阅读　80

3.3　重抽样　80

3.3.*　置换检验　80

3.3.2　示例：Web 黏性　8*

3.3.3　穷尽置换检验和Bootstrap 置换检验　84

3.3.4　置换检验：数据科学的底线　85

3.3.5　扩展阅读　85

3.4　统计显著性和p 值　85

3.4.*　p 值　88

3.4.2　α　88

3.4.3　第 *类错误和第二类错误　90

3.4.4　数据科学与p 值　9

3.4.5　扩展阅读　90

3.5　t 检验　9*

3.6　多重检验　92

3.7　自由度　95

3.8　ANOVA　97

3.8.*　F 统计量　99

3.8.2　双向ANOVA　*0*

3.8.3　扩展阅读　*0*

3.9　卡方检验　*0*

3.9.*　卡方检验：*种重抽样方法　*02

3.9.2　卡方检验：统计理论　*04

3.9.3　费希尔*确检验　*05

3.9.4　与数据科学的关联　*07

3.9.5　扩展阅读　*07

3.*0　多臂老虎机算法　*07

3.**　检验力与样本容量　**0

3.**.*　样本容量　***

3.**.2　扩展阅读　**3

3.*2　小结　**4

第4　章 回归与预测　**5

4.*　简单线性回归　**5

4.*.*　回归方程　**7

4.*.2　拟合值与残差　**9

4.*.3　最小二乘法　*20

4.*.4　预测与解释（分析）　*2*

4.*.5　扩展阅读　*2*

4.2　多元线性回归　*22

4.2.*　示例：金县房屋数据　*23

4.2.2　模型评估　*24

4.2.3　交叉验证　*26

4.2.4　模型选择与逐步回归　*27

4.2.5　加权回归　*30

4.2.6　扩展阅读　*3*

4.3　使用回归进行预测　*3*

4.3.*　外推风险　*3*

4.3.2　置信区间与预测区间　*32

4.4　回归中的因子变量　*33

4.4.*　虚拟变量的表示方法　*34

4.4.2　多水平因子变量　*36

4.4.3　有序因子变量　*38

4.5　解释回归方程　*38

4.5.*　相关的预测变量　*39

4.5.2　多重共线性　*40

4.5.3　混淆变量　*4*

4.5.4　交互作用与主效应　*42

4.6　回归诊断　*43

4.6.*　离群点　*44

4.6.2　强影响值　*46

4.6.3　异方差、非正态与相关误差　*48

4.6.4　偏残差图与非线性　*5*

4.7　多项式回归与样条回归　*52

4.7.*　多项式回归　*53

4.7.2　样条回归　*55

4.7.3　广义可加模型　*56

4.7.4　扩展阅读　*58

4.8　小结　*58

第5　章 分类　*59

5.*　朴素贝叶斯算法　*60

5.*.*　为什么进行*确贝叶斯分类是*现实的　*6*

5.*.2　朴素贝叶斯问题求解　*6*

5.*.3　数值型预测变量　*64

5.*.4　扩展阅读　*64

5.2　判别分析　*64

5.2.*　协方差矩阵　*65

5.2.2　费希尔线性判别分析　*66

5.2.3　*个简单的例子　*66

5.2.4　扩展阅读　*69

5.3　逻辑回归　*69

5.3.*　逻辑响应函数和logit 函数　*70

5.3.2　逻辑回归和广义线性模型　*7*

5.3.3　广义线性模型　*72

5.3.4　逻辑回归的预测值　*73

5.3.5　系数和*势比的解释　*74

5.3.6　线性回归与逻辑回归：共性与差异　*75

5.3.7　评估模型　*76

5.3.8　扩展阅读　*79

5.4　分类模型评估　*79

5.4.*　混淆矩阵　*80

5.4.2　*有类问题　*82

5.4.3　*确度、召回率和*异度　*82

5.4.4　ROC 曲线　*83

5.4.5　AUC　*85

5.4.6　提*度　*86

5.4.7　扩展阅读　*87

5.5　非平衡数据的处理策略　*87

5.5.*　欠采样　*88

5.5.2　过采样与上（下）加权　*89

5.5.3　数据生成　*90

5.5.4　基于成本的分类　*9*

5.5.5　探索预测结果　*9*

5.5.6　扩展阅读　*92

5.6　小结　*93

第6　章 统计机器学习　*94

6.*　KNN　*95

6.*.*　*个小例子：预测贷款违约　*96

6.*.2　距离的度量　*98

6.*.3　*热编码　*98

6.*.4　标准化（归*化，z 分数）　*99

6.*.5　K 的选择　20*

6.*.6　KNN 作为*征引擎　202

6.2　树模型　204

6.2.*　*个简单的例子　205

6.2.2　递归分割算法　207

6.2.3　测量同质性或*纯度　208

6.2.4　让树停止生长　209

6.2.5　预测连续的值　2**

6.2.6　如何使用树　2**

6.2.7　扩展阅读　2*2

6.3　装袋法与随机森林　2*2

6.3.*　装袋法　2*3

6.3.2　随机森林　2*3

6.3.3　变量的重要性　2*7

6.3.4　*参数　220

6.4　提*方法　22*

6.4.*　提*算法　222

6.4.2　XGBoost　222

6.4.3　正则化：避*过拟合　225

6.4.4　*参数与交叉验证　228

6.5　小结　23*

第7　章 *监督学习　232

7.*　主成分分析　233

7.*.*　*个简单的例子　234

7.*.2　计算主成分　236

7.*.3　解释主成分　236

7.*.4　对应分析　239

7.*.5　扩展阅读　240

7.2　K-均值聚类　24*

7.2.*　*个简单的例子　24*

7.2.2　K-均值算法　244

7.2.3　簇的解释　245

7.2.4　选择簇的数量　247

7.3　层次聚类　248

7.3.*　*个简单的例子　249

7.3.2　树状图　250

7.3.3　凝聚算法　25*

7.3.4　测量相异度　252

7.4　基于模型的聚类　253

7.4.*　多元正态分布　253

7.4.2　混合正态分布　254

7.4.3　选择簇的数量　257

7.4.4　扩展阅读　259

7.5　数据缩放与分类变量　259

7.5.*　缩放变量　260

7.5.2　*变量　26*

7.5.3　分类数据和Gower 距离　263

7.5.4　混合数据聚类中的问题　265

7.6　小结　266

扩展阅读　267

作者介绍　269

封面介绍　269