包邮数据科学基础——基于R与PYTHON的实现(基于PYTHON的数据分析丛书)

第1章 体现真实世界的数据
1.1 数据: 对真实世界的记录
1.2 变量的逐个描述
1.3 变量关系的描述
1.4 数据的简单描述可能很肤浅甚至误导
1.5 习题
1.6 附录: 正文中没有的 R 代码
1.7 附录: 本章的Python代码
第2章 传统统计: 参数推断简介
2.1 关于总体均值 μ 的推断
2.2 关于伯努利试验概率的推断
2.3 习 题
2.4 附录: 本章的 Python 代码
第3章 有监督学习基础
3.1 引 言
3.2 简单回归模型初识
3.3 *小二乘线性回归模型
3.4 决策树回归
3.5 通过例子总结两种回归方法
3.6 简单分类模型初识
3.7 Logistic回归的数学背景
3.8 决策树分类的更多说明
3.9 通过例子对两种分类方法进行总结
3.10 多分类问题
3.11 习题
3.12 附录: 正文中没有的 R 代码
3.13 附录: 本章的 Python代码
第4章 机器学习组合算法
4.1 什么是组合算法
4.2 bagging
4.3 随机森林
4.4 梯度下降法及极端梯度增强回归
4.5 AdaBoost 分类
4.6 组合算法对两个数据的交叉验证
4.7 习题
4.8 附录: 正文中没有的R代码
4.9 附录: 本章的Python代码
第5章 神经网络
5.1 基本概念
5.2 通过基础编程了解神经网络的细节
5.3 习题
5.4 附录: 本章的Python代码