目　　录
译者序
前言
第1章　机器学习导论1
1.1　机器学习、统计分析和数据科学1
1.2　机器学习：第一个示例2
1.2.1　属性-值格式2
1.2.2　用于诊断疾病的决策树3
1.3　机器学习策略5
1.3.1　分类5
1.3.2　估计6
1.3.3　预测6
1.3.4　无监督聚类9
1.3.5　市场购物篮分析9
1.4　评估性能9
1.4.1　评估监督模型10
1.4.2　二分类误差分析10
1.4.3　评估数值输出11
1.4.4　通过测量提升比较模型11
1.4.5　评估无监督模型13
1.5　伦理问题14
1.6　本章小结14
1.7　关键术语15
练习题16
第2章　R语言简介18
2.1　R语言和RStudio简介18
2.1.1　R的特性19
2.1.2　安装R19
2.1.3　安装RStudio20
2.2　浏览RStudio21
2.2.1　控制台21
2.2.2　源面板22
2.2.3　全局环境24
2.2.4　包28
2.3　数据在哪里29
2.4　获取帮助和额外信息29
2.5　本章小结30
练习题30
相关安装包和函数总结31
第3章　数据结构和操作32
3.1　数据类型32
3.1.1　字符数据和因子33
3.2　单模式数据结构34
3.2.1　向量34
3.2.2　矩阵和数组36
3.3　多模式数据结构37
3.3.1　列表37
3.3.2　数据框38
3.4　编写自己的函数39
3.4.1　写一个简单的函数39
3.4.2　条件语句41
3.4.3　迭代42
3.4.4　递归编程45
3.5　本章小结46
3.6　关键术语46
练习题46
相关安装包和函数总结47
第4章　准备数据48
4.1　知识发现的过程模型48
4.2　创建目标数据集49
4.2.1　R与关系模型的接口49
4.2.2　目标数据的其他来源52
4.3　数据预处理52
4.3.1　噪声数据 52
4.3.2　使用R进行预处理53
4.3.3　检测异常值54
4.3.4　缺失数据55
4.4　数据转换56
4.4.1　数据归一化56
4.4.2　数据类型转换57
4.4.3　属性和实例选择57
4.4.4　创建训练集和测试集
　　　数据58
4.4.5　交叉验证和自助法59
4.4.6　大规模数据59
4.5　本章小结59
4.6　关键术语60
练习题60
相关安装包和函数总结61
第5章　监督统计技术62
5.1　简单线性回归62
5.2　多元线性回归66
5.2.1　多元线性回归：一个示例67
5.2.2　评估数值输出69
5.2.3　评估训练/测试集71
5.2.4　使用交叉验证71
5.2.5　分类数据的线性回归73
5.3　逻辑回归78
5.3.1　变换线性回归模型78
5.3.2　逻辑回归模型79
5.3.3　R中的逻辑回归79
5.3.4　创建混淆矩阵81
5.3.5　接收器操作特性曲线82
5.3.6　ROC曲线下面积85
5.4　朴素贝叶斯分类器85
5.4.1　贝叶斯分类器：一个示例85
5.4.2　零-值属性计数87
5.4.3　缺失数据88
5.4.4　数值数据88
5.4.5　用朴素贝叶斯进行实验90
5.5　本章小结93
5.6　关键术语94
练习题95
相关安装包和函数总结97
第6章　基于树的方法98
6.1　决策树算法98
6.1.1　一种构建决策树的算法98
6.1.2　C4.5属性选择99
6.1.3　构建决策树的其他方法102
6.2　构建决策树：C5.0102
6.2.1　信用卡促销的决策树103
6.2.2　模拟客户流失的数据 104
6.2.3　使用C5.0预测客户流失104
6.3　构建决策树：rpart106
6.3.1　信用卡促销的rpart决策树 107
6.3.2　训练和测试rpart：流失
　　　数据109
6.3.3　交叉验证rpart：流失数据113
6.4　构建决策树：J48113
6.5　用于提高性能的集成技术115
6.5.1　装袋算法116
6.5.2　提升116
6.5.3　提升：C5.0的示例117
6.5.4　随机森林117
6.6　回归树119
6.7　本章小结121
6.8　关键术语122
练习题122
相关安装包和函数总结123
第7章　基于规则的技术124
7.1　从树到规则 124
7.1.1　垃圾邮件数据集125
7.1.2　垃圾邮件分类：C5.0125
7.2　基本的覆盖规则算法128
7.3　生成关联规则130
7.3.1　置信度和支持度130
7.3.2　挖掘关联规则：一个示例131
7.3.3　一般考虑事项134
7.3.4　Rweka的Apriori函数134
7.4　Rattle用户界面137
7.5　本章小结143
7.6　关键术语144
练习题144
相关安装包和函数总结145
第8章　神经网络146
8.1　前馈神经网络146
8.1.1　神经网络输入格式147
8.1.2　神经网络输出格式148
8.1.3　sigmoid评估函数149
8.2　神经网络训练：概念视角150
8.2.1　使用前馈网络的监督学习150
8.2.2　具有自组织映射的无监督
　　　聚类150
8.3　神经网络解释151
8.4　一般考虑事项152
8.4.1　优势152
8.4.2　劣势152
8.5　神经网络训练：详细见解153
8.5.1　反向传播算法：一个示例153
8.5.2　Kohonen自组织映射：
　　　一个示例155
8.6　使用R构建神经网络156
8.6.1　异或函数157
8.6.2　使用MLP建模异或函数：
　　　数值输出158
8.6.3　使用MLP建模异或函数：
　　　分类输出161
8.6.4　使用neuralnet建模异或函数：
　　　数值输出163
8.6.5　使用neuralnet建模异或函数：
　　　分类输出165
8.6.6　对卫星图像数据进行分类167
8.6.7　糖尿病测试170
8.7　神经网络聚类在属性评估中的
　 　应用172
8.8　时间序列分析174
8.8.1　股市分析175
8.8.2　时间序列分析：一个示例175
8.8.3　目标数据176
8.8.4　时间序列建模177
8.8.5　一般考虑事项178
8.9　本章小结179
8.10　关键术语179
练习题180
相关安装包和函数总结183
第9章　正式评估技术184
9.1　应该评估什么184
9.2　评估工具 185
9.2.1　单值摘要统计186
9.2.2　正态分布186
9.2.3　正态分布与样本均值187
9.2.4　假设检验的经典模型189
9.3　计算测试集置信区间190
9.4　比较监督模型192
9.4.1　比较两个模型的性能193
9.4.2　比较两个或多个模型的
　　　性能194
9.5　数值输出的置信区间194
9.6　本章小结195
9.7　关键术语195
练习题196
相关安装包和函数总结197
第10章　支持向量机198
10.1　线性可分类200
10.2　非线性情况203
10.3　用线性可分数据进行实验204
10.4　微阵列数据挖掘205
10.4.1　DNA和基因表达206
10.4.2　微阵列数据预处理：
　　　　属性选择206
10.4.3　微阵列数据挖掘：问题207
10.5　微阵列应用207
10.5.1　建立基准208
10.5.2　属性消除209
10.6　本章小结211
10.7　关键术语211
练习题212
相关安装包和函数总结213
第11章　无监督聚类技术214
11.1　k均值聚类算法214
11.1.1　使用k均值聚类的示例215
11.1.2　一般考虑事项217
11.2　凝聚聚类218
11.2.1　凝聚聚类：一个示例218
11.2.2　一般考虑事项220
11.3　概念聚类220
11.3.1　测量类别效用220
11.3.2　概念聚类：一个示例221
11.3.3　一般考虑事项223
11.4　期望最大化223
11.5　使用R进行无监督聚类224
11.5.1　用于聚类评估的监督学习224
11.5.2　用于属性评估的无监督
　　　　聚类226
11.5.3　凝聚聚类：一个简单的
　　　　示例228
11.5.4　伽马射线暴数据的凝聚
　　　　聚类228
11.5.5　心脏病患者数据的凝聚
　　　　聚类231
11.5.6　信用卡筛选数据的凝聚
　　　　聚类233
11.6　本章小结234
11.7　关键术语234
练习题235
相关安装包和函数总结237
第12章　案例研究：治疗结果
　　　　预测238
12.1　目标识别239
12.2　治疗成功的衡量标准240
12.3　目标数据创建241
12.4　数据预处理241
12.5　数据转换242
12.6　数据挖掘242
12.7　解释和评估243
12.8　采取行动244
12.9　本章小结244
附录A　补充材料和更多数据集246
附录B　用于性能评估的统计数据247
参考文献251