書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版

數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版

出版社：人民郵電出版社出版時間：2021-10-01
開本： 16開 頁數(shù)： 288
中 圖 價:¥48.9(4.9折) 定價  ¥99.8 登錄后可看到會員價
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>

數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版 版權(quán)信息

數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版 本書特色

1.以通俗易懂的方式，從數(shù)據(jù)科學(xué)的角度系統(tǒng)的闡釋重要且實用的統(tǒng)計學(xué)概念，介紹如何將各種統(tǒng)計方法應(yīng)用于數(shù)據(jù)科學(xué)中； 2.運(yùn)用清晰的解釋和豐富的示例，將實用的統(tǒng)計學(xué)術(shù)語與數(shù)據(jù)挖掘?qū)嵺`相結(jié)合，適用于數(shù)據(jù)科學(xué)的入門初學(xué)者； 3.相比于上一版，本書新增了更多Python和R語言示例，讀者可以更深入的了解如何在數(shù)據(jù)科學(xué)項目中正確運(yùn)用各種統(tǒng)計方法； 4.通過本書，你將掌握以下知識： 為什么探索性數(shù)據(jù)分析是開啟數(shù)據(jù)科學(xué)任務(wù)的關(guān)鍵一步 隨機(jī)抽樣如何降低偏差并提高數(shù)據(jù)集的質(zhì)量 實驗設(shè)計原則如何針對問題生成確定性答案 如何使用回歸方法估計結(jié)果并檢測異常 用于預(yù)測記錄所屬類別的主要分類方法 從數(shù)據(jù)中“學(xué)習(xí)”的統(tǒng)計機(jī)器學(xué)習(xí)方法 從未標(biāo)記的數(shù)據(jù)中提取信息的無監(jiān)督學(xué)習(xí)方法

數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版 內(nèi)容簡介

本書解釋了數(shù)據(jù)科學(xué)中至關(guān)重要的統(tǒng)計學(xué)概念，并介紹了如何將各種統(tǒng)計方法應(yīng)用于數(shù)據(jù)科學(xué)。作者以通俗易懂、分門別類的方式，闡釋了統(tǒng)計學(xué)中與數(shù)據(jù)科學(xué)相關(guān)的關(guān)鍵概念，并解釋了各統(tǒng)計學(xué)概念在數(shù)據(jù)科學(xué)中的重要性及有用程度。第2版在版的基礎(chǔ)上加入了更多以Python和R編寫的示例，更清楚地闡釋了如何將統(tǒng)計方法用于數(shù)據(jù)科學(xué)。本書適合對R和Python有一定了解的數(shù)據(jù)科學(xué)從業(yè)者閱讀。

數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版 目錄

目錄
第　1章 探索性數(shù)據(jù)分析　1
1．1　結(jié)構(gòu)化數(shù)據(jù)的要素　2
1．2　矩形數(shù)據(jù)　4
1．2．1　數(shù)據(jù)框和索引　5
1．2．2　非矩形數(shù)據(jù)結(jié)構(gòu)　6
1．2．3　擴(kuò)展閱讀　6
1．3　位置估計　6
1．3．1　均值　8
1．3．2　中位數(shù)和健壯的估計　9
1．3．3　示例：人口和謀殺率的位置估計　10
1．3．4　擴(kuò)展閱讀　11
1．4　變異性估計　11
1．4．1　標(biāo)準(zhǔn)差以及相關(guān)估計　13
1．4．2　基于百分位數(shù)的估計　14
1．4．3　示例：美國各州人口數(shù)量的變異性估計　15
1．4．4　擴(kuò)展閱讀　16
1．5　探索數(shù)據(jù)分布　16
1．5．1　百分位數(shù)與箱線圖　17
1．5．2　頻數(shù)表和直方圖　18
1．5．3　密度圖和密度估計　20
1．5．4　擴(kuò)展閱讀　22
1．6　探索二元數(shù)據(jù)和分類型數(shù)據(jù)　22
1．6．1　眾數(shù)　24
1．6．2　期望值　24
1．6．3　概率　25
1．6．4　擴(kuò)展閱讀　25
1．7　相關(guān)性　25
1．7．1　散點圖　28
1．7．2　擴(kuò)展閱讀　29
1．8　探索兩個及以上的變量　29
1．8．1　六邊形分箱圖和等高線圖（繪制數(shù)值型數(shù)據(jù)之間的關(guān)系）　30
1．8．2　兩個分類變量　32
1．8．3　分類型數(shù)據(jù)和數(shù)值型數(shù)據(jù)　33
1．8．4　多個變量的可視化　35
1．8．5　擴(kuò)展閱讀　37
1．9　小結(jié)　37
第　2 章 數(shù)據(jù)與抽樣分布　39
2．1　隨機(jī)抽樣和樣本偏差　40
2．1．1　偏差　42
2．1．2　隨機(jī)選擇　43
2．1．3　數(shù)量和質(zhì)量：什么時候數(shù)量更重要　44
2．1．4　樣本均值與總體均值　45
2．1．5　擴(kuò)展閱讀　45
2．2　選擇偏差　45
2．2．1　均值回歸　46
2．2．2　擴(kuò)展閱讀　48
2．3　統(tǒng)計量的抽樣分布　48
2．3．1　中心極限定理　51
2．3．2　標(biāo)準(zhǔn)誤差　51
2．3．3　擴(kuò)展閱讀　52
2．4　Bootstrap 方法　52
2．4．1　重抽樣與Bootstrap 方法　55
2．4．2　擴(kuò)展閱讀　55
2．5　置信區(qū)間　55
2．6　正態(tài)分布　57
2．7　長尾分布　60
2．8　學(xué)生的t 分布　62
2．9　二項分布　64
2．10　卡方分布　67
2．11　F 分布　68
2．12　泊松及其相關(guān)分布　68
2．12．1　泊松分布　69
2．12．2　指數(shù)分布　69
2．12．3　估計故障率　70
2．12．4　韋布爾分布　70
2．12．5　擴(kuò)展閱讀　71
2．13　小結(jié)　71
第3　章 統(tǒng)計實驗與顯著性檢驗　72
3．1　A/B 測試　73
3．1．1　為什么要有對照組　75
3．1．2　為什么只有A/B，沒有C/D……　76
3．1．3　擴(kuò)展閱讀　77
3．2　假設(shè)檢驗　77
3．2．1　零假設(shè)　78
3．2．2　備擇假設(shè)　79
3．2．3　單向假設(shè)檢驗與雙向假設(shè)檢驗　79
3．2．4　擴(kuò)展閱讀　80
3．3　重抽樣　80
3．3．1　置換檢驗　80
3．3．2　示例：Web 黏性　81
3．3．3　窮盡置換檢驗和Bootstrap 置換檢驗　84
3．3．4　置換檢驗：數(shù)據(jù)科學(xué)的底線　85
3．3．5　擴(kuò)展閱讀　85
3．4　統(tǒng)計顯著性和p 值　85
3．4．1　p 值　88
3．4．2　α　88
3．4．3　第 一類錯誤和第二類錯誤　90
3．4．4　數(shù)據(jù)科學(xué)與p 值　9
3．4．5　擴(kuò)展閱讀　90
3．5　t 檢驗　91
3．6　多重檢驗　92
3．7　自由度　95
3．8　ANOVA　97
3．8．1　F 統(tǒng)計量　99
3．8．2　雙向ANOVA　101
3．8．3　擴(kuò)展閱讀　101
3．9　卡方檢驗　101
3．9．1　卡方檢驗：一種重抽樣方法　102
3．9．2　卡方檢驗：統(tǒng)計理論　104
3．9．3　費(fèi)希爾精確檢驗　105
3．9．4　與數(shù)據(jù)科學(xué)的關(guān)聯(lián)　107
3．9．5　擴(kuò)展閱讀　107
3．10　多臂老虎機(jī)算法　107
3．11　檢驗力與樣本容量　110
3．11．1　樣本容量　111
3．11．2　擴(kuò)展閱讀　113
3．12　小結(jié)　114
第4　章 回歸與預(yù)測　115
4．1　簡單線性回歸　115
4．1．1　回歸方程　117
4．1．2　擬合值與殘差　119
4．1．3　*小二乘法　120
4．1．4　預(yù)測與解釋（分析）　121
4．1．5　擴(kuò)展閱讀　121
4．2　多元線性回歸　122
4．2．1　示例：金縣房屋數(shù)據(jù)　123
4．2．2　模型評估　124
4．2．3　交叉驗證　126
4．2．4　模型選擇與逐步回歸　127
4．2．5　加權(quán)回歸　130
4．2．6　擴(kuò)展閱讀　131
4．3　使用回歸進(jìn)行預(yù)測　131
4．3．1　外推風(fēng)險　131
4．3．2　置信區(qū)間與預(yù)測區(qū)間　132
4．4　回歸中的因子變量　133
4．4．1　虛擬變量的表示方法　134
4．4．2　多水平因子變量　136
4．4．3　有序因子變量　138
4．5　解釋回歸方程　138
4．5．1　相關(guān)的預(yù)測變量　139
4．5．2　多重共線性　140
4．5．3　混淆變量　141
4．5．4　交互作用與主效應(yīng)　142
4．6　回歸診斷　143
4．6．1　離群點　144
4．6．2　強(qiáng)影響值　146
4．6．3　異方差、非正態(tài)與相關(guān)誤差　148
4．6．4　偏殘差圖與非線性　151
4．7　多項式回歸與樣條回歸　152
4．7．1　多項式回歸　153
4．7．2　樣條回歸　155
4．7．3　廣義可加模型　156
4．7．4　擴(kuò)展閱讀　158
4．8　小結(jié)　158
第5　章 分類　159
5．1　樸素貝葉斯算法　160
5．1．1　為什么進(jìn)行精確貝葉斯分類是不現(xiàn)實的　161
5．1．2　樸素貝葉斯問題求解　161
5．1．3　數(shù)值型預(yù)測變量　164
5．1．4　擴(kuò)展閱讀　164
5．2　判別分析　164
5．2．1　協(xié)方差矩陣　165
5．2．2　費(fèi)希爾線性判別分析　166
5．2．3　一個簡單的例子　166
5．2．4　擴(kuò)展閱讀　169
5．3　邏輯回歸　169
5．3．1　邏輯響應(yīng)函數(shù)和logit 函數(shù)　170
5．3．2　邏輯回歸和廣義線性模型　171
5．3．3　廣義線性模型　172
5．3．4　邏輯回歸的預(yù)測值　173
5．3．5　系數(shù)和優(yōu)勢比的解釋　174
5．3．6　線性回歸與邏輯回歸：共性與差異　175
5．3．7　評估模型　176
5．3．8　擴(kuò)展閱讀　179
5．4　分類模型評估　179
5．4．1　混淆矩陣　180
5．4．2　稀有類問題　182
5．4．3　精確度、召回率和特異度　182
5．4．4　ROC 曲線　183
5．4．5　AUC　185
5．4．6　提升度　186
5．4．7　擴(kuò)展閱讀　187
5．5　非平衡數(shù)據(jù)的處理策略　187
5．5．1　欠采樣　188
5．5．2　過采樣與上（下）加權(quán)　189
5．5．3　數(shù)據(jù)生成　190
5．5．4　基于成本的分類　191
5．5．5　探索預(yù)測結(jié)果　191
5．5．6　擴(kuò)展閱讀　192
5．6　小結(jié)　193
第6　章 統(tǒng)計機(jī)器學(xué)習(xí)　194
6．1　KNN　195
6．1．1　一個小例子：預(yù)測貸款違約　196
6．1．2　距離的度量　198
6．1．3　獨熱編碼　198
6．1．4　標(biāo)準(zhǔn)化（歸一化，z 分?jǐn)?shù)）　199
6．1．5　K 的選擇　201
6．1．6　KNN 作為特征引擎　202
6．2　樹模型　204
6．2．1　一個簡單的例子　205
6．2．2　遞歸分割算法　207
6．2．3　測量同質(zhì)性或不純度　208
6．2．4　讓樹停止生長　209
6．2．5　預(yù)測連續(xù)的值　211
6．2．6　如何使用樹　211
6．2．7　擴(kuò)展閱讀　212
6．3　裝袋法與隨機(jī)森林　212
6．3．1　裝袋法　213
6．3．2　隨機(jī)森林　213
6．3．3　變量的重要性　217
6．3．4　超參數(shù)　220
6．4　提升方法　221
6．4．1　提升算法　222
6．4．2　XGBoost　222
6．4．3　正則化：避免過擬合　225
6．4．4　超參數(shù)與交叉驗證　228
6．5　小結(jié)　231
第7　章 無監(jiān)督學(xué)習(xí)　232
7．1　主成分分析　233
7．1．1　一個簡單的例子　234
7．1．2　計算主成分　236
7．1．3　解釋主成分　236
7．1．4　對應(yīng)分析　239
7．1．5　擴(kuò)展閱讀　240
7．2　K-均值聚類　241
7．2．1　一個簡單的例子　241
7．2．2　K-均值算法　244
7．2．3　簇的解釋　245
7．2．4　選擇簇的數(shù)量　247
7．3　層次聚類　248
7．3．1　一個簡單的例子　249
7．3．2　樹狀圖　250
7．3．3　凝聚算法　251
7．3．4　測量相異度　252
7．4　基于模型的聚類　253
7．4．1　多元正態(tài)分布　253
7．4．2　混合正態(tài)分布　254
7．4．3　選擇簇的數(shù)量　257
7．4．4　擴(kuò)展閱讀　259
7．5　數(shù)據(jù)縮放與分類變量　259
7．5．1　縮放變量　260
7．5．2　主導(dǎo)變量　261
7．5．3　分類數(shù)據(jù)和Gower 距離　263
7．5．4　混合數(shù)據(jù)聚類中的問題　265
7．6　小結(jié)　266
擴(kuò)展閱讀　267
作者介紹　269
封面介紹　269
展開全部

數(shù)據(jù)科學(xué)中的實用統(tǒng)計學(xué) 第2版 作者簡介

彼得·布魯斯（Peter Bruce），Statistics.com統(tǒng)計學(xué)教育學(xué)院創(chuàng)辦人兼院長，重采樣統(tǒng)計軟件Resampling Stats的開發(fā)者，美國統(tǒng)計協(xié)會職業(yè)發(fā)展咨詢委員會成員。 安德魯·布魯斯（Andrew Bruce），亞馬遜數(shù)據(jù)科學(xué)家、華盛頓大學(xué)統(tǒng)計學(xué)博士，擁有30余年的統(tǒng)計學(xué)和數(shù)據(jù)科學(xué)經(jīng)驗。 彼得·格德克（Peter Gedeck），數(shù)據(jù)科學(xué)家，擁有30余年的科學(xué)計算和數(shù)據(jù)科學(xué)經(jīng)驗，善于開發(fā)機(jī)器學(xué)習(xí)算法。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服