机器学习与R语言（原书第4版）

想入门机器学习，用R语言搞定数据分析与预测建模？《机器学习与R语言（原书第4版）》经典升级！从数据处理、特征工程到监督/无监督学习，从基础算法到进阶优化，全流程拆解核心逻辑。搭配泰坦尼克号、野生蘑菇等真实数据集，本书新增超参数调优、高维数据处理等实战内容，配套代码与工具实操方案。不管你是学生、数据分析师还是行业从业者，都能通过本书搭建完整知识体系，夯实算法基础，轻松应对数据分析与建模任务，在AI浪潮中站稳脚跟！

R本身是一款十分优秀的数据分析和数据可视化软件。本书由机器学习领域的专家撰写，通过将实践案例与核心的理论知识相结合，全面介绍多种重要的机器学习算法，从对案例数据的探索、整理到模型的建立和模型的评估，每一步都给出详尽的步骤和R代码，为读者深入理解并灵活应用R语言进行数据挖掘和机器学习提供翔实参考。无论你是经验丰富的R语言用户还是初学者，作者都会教你如何进行数据预处理、发现关键见解、做出新的预测以及将结果可视化。这本书新增了机器学习成功之道、高级数据准备、构建更好的学习器以及利用大数据等章节，反映了机器学习在过去几年中取得的进步，帮助你掌握更多的数据科学技能，解决更具挑战性的问题。这本书已更新至 R语言 4.2.2版，其中包含更新、更好的库，关于机器学习中的道德和偏见问题的建议以及深度学习方面的介绍。无论你是想迈出使用R进行机器学习的第一步，还是想确保技能和知识与时俱进，这本书都是不可错过的读物。

布雷特·兰茨（Brett Lantz）　<br />在应用创新的数据方法理解人类行为方面有近20年经验。作为一名科班出身的社会学家，他最初在研究一个包含青少年社交网络档案的大型数据库时，便对机器学习产生了浓厚兴趣。布雷特是DataCamp平台的讲师，曾在全球多地开展机器学习工作坊教学。他热衷于探索数据科学在体育、电子游戏、自动驾驶汽车、外语学习等多个领域的应用，并致力于在个人网站dataspelunking.com上就这些主题撰写文章分享见解。

目　　录??Contents<br />译者序<br />前言<br />关于作者<br />关于审校者<br />第1章　机器学习概述1<br />1.1　机器学习起源1<br />1.2　机器学习的应用与滥用3<br />1.2.1　机器学习能做什么4<br />1.2.2　机器学习的局限性5<br />1.2.3　机器学习伦理6<br />1.3　机器如何学习8<br />1.3.1　数据存储9<br />1.3.2　抽象9<br />1.3.3　泛化11<br />1.3.4　评估12<br />1.4　机器学习实践13<br />1.4.1　输入数据类型13<br />1.4.2　机器学习算法分类15<br />1.4.3　选择合适的算法17<br />1.5　基于R语言的机器学习18<br />1.5.1　安装R软件包18<br />1.5.2　加载和卸载R软件包19<br />1.5.3　安装RStudio19<br />1.5.4　为何选择R语言20<br />1.6　小结21<br />第2章　管理与解读数据22<br />2.1　R语言中的数据结构22<br />2.1.1　向量23<br />2.1.2　因子24<br />2.1.3　列表26<br />2.1.4　数据框28<br />2.1.5　矩阵和数组30<br />2.2　管理数据32<br />2.2.1　保存、加载、删除数据<br />结构32<br />2.2.2　从CSV文件导入和保存<br />数据集33<br />2.2.3　用RStudio导入数据集34<br />2.3　探索和解读数据36<br />2.3.1　数据结构分析36<br />2.3.2　数值型特征分析37<br />2.3.3　类别型特征分析45<br />2.3.4　特征间的关系47<br />2.4　小结51<br />第3章　懒惰学习—最近邻分类52<br />3.1　最近邻分类52<br />3.1.1　k-NN算法53<br />3.1.2　何为“懒惰”算法58<br />3.2　示例：用k-NN算法诊断乳腺癌59<br />3.2.1　第1步：收集数据59<br />3.2.2　第2步：探索并准备<br />数据59<br />3.2.3　第3步：训练模型63<br />3.2.4　第4步：评估模型性能64<br />3.2.5　第5步：优化模型性能65<br />3.3　小结67<br />第4章　概率学习—朴素贝叶斯<br />分类69<br />4.1　朴素贝叶斯算法69<br />4.1.1　贝叶斯算法的基本概念70<br />4.1.2　朴素贝叶斯算法简介74<br />4.2　示例：用朴素贝叶斯算法过滤<br />手机垃圾短信78<br />4.2.1　第1步：收集数据78<br />4.2.2　第2步：探索并准备<br />数据79<br />4.2.3　第3步：训练模型91<br />4.2.4　第4步：评估模型<br />性能92<br />4.2.5　第5步：优化模型<br />性能93<br />4.3　小结94<br />第5章　分而治之—用决策树和<br />规则分类95<br />5.1　决策树95<br />5.1.1　分而治之96<br />5.1.2　C5.0决策树算法99<br />5.2　示例：使用C5.0决策树识别<br />高风险银行贷款101<br />5.2.1　第1步：收集数据102<br />5.2.2　第2步：探索并准备<br />数据102<br />5.2.3　第3步：训练模型105<br />5.2.4　第4步：评估模型性能108<br />5.2.5　第5步：优化模型性能109<br />5.3　分类规则113<br />5.3.1　离而治之114<br />5.3.2　1R算法115<br />5.3.3　RIPPER算法116<br />5.3.4　决策树中的规则117<br />5.3.5　何为决策树和规则的<br />贪婪118<br />5.4　示例：用规则学习器识别<br />毒蘑菇119<br />5.4.1　第1步：收集数据120<br />5.4.2　第2步：探索并准备<br />数据120<br />5.4.3　第3步：训练模型121<br />5.4.4　第4步：评估模型性能122<br />5.4.5　第5步：优化模型性能123<br />5.5　小结125<br />第6章　预测数值型数据<br />—回归法126<br />6.1　回归126<br />6.1.1　简单线性回归128<br />6.1.2　普通最小二乘估计129<br />6.1.3　相关性131<br />6.1.4　多重线性回归132<br />6.1.5　广义线性模型与逻辑<br />回归135<br />6.2　示例：用线性回归预测汽车保险<br />理赔成本138<br />6.2.1　第1步：收集数据138<br />6.2.2　第2步：探索并准备<br />数据139<br />6.2.3　第3步：训练模型143<br />6.2.4　第4步：评估模型性能146<br />6.2.5　第5步：优化模型性能147<br /><br />6.2.6　更进一步：用逻辑回归<br />预测保险客户流失152<br />6.3　回归树和模型树156<br />6.4　示例：用回归树和模型树评估<br />葡萄酒的品质158<br />6.4.1　第1步：收集数据159<br />6.4.2　第2步：探索并准备<br />数据159<br />6.4.3　第3步：训练模型161<br />6.4.4　第4步：评估模型性能164<br />6.4.5　第5步：优化模型性能165<br />6.5　小结168<br />第7章　黑盒法—神经网络和支持<br />向量机169<br />7.1　神经网络169<br />7.1.1　从生物神经元到人工<br />神经元170<br />7.1.2　激活函数171<br />7.1.3　网络拓扑结构173<br />7.1.4　用反向传播训练神经<br />网络176<br />7.2　示例：用ANN对混凝土强度进行<br />建模177<br />7.2.1　第1步：收集数据178<br />7.2.2　第2步：探索并准备<br />数据178<br />7.2.3　第3步：训练模型179<br />7.2.4　第4步：评估模型性能181<br />7.2.5　第5步：优化模型性能182<br />7.3　支持向量机187<br />7.3.1　用超平面分类187<br />7.3.2　使用核函数处理非线性<br />空间190<br />7.4　示例：使用SVM进行OCR<br />识别191<br />7.4.1　第1步：收集数据192<br />7.4.2　第2步：探索并准备<br />数据192<br />7.4.3　第3步：训练模型193<br />7.4.4　第4步：评估模型性能195<br />7.4.5　第5步：优化模型性能196<br />7.5　小结199<br />第8章　发掘模式—用关联规则<br />进行购物篮分析200<br />8.1　关联规则200<br />8.1.1　Apriori算法201<br />8.1.2　衡量规则的兴趣度<br />—支持度和置信度203<br />8.1.3　用先验原则建立规则203<br />8.2　示例：用关联规则识别热销<br />商品204<br />8.2.1　第1步：收集数据205<br />8.2.2　第2步：探索并准备<br />数据205<br />8.2.3　第3步：训练模型211<br />8.2.4　第4步：评估模型性能214<br />8.2.5　第5步：优化模型性能217<br />8.3　小结222<br />第9章　寻找数据分组—k均值<br />聚类223<br />9.1　聚类223<br />9.1.1　基于聚类的机器学习224<br />9.1.2　聚类算法中的簇225<br />9.1.3　k均值聚类算法228<br />9.2　用k均值聚类找出青少年用户<br />细分市场232<br />9.2.1　第1步：收集数据232<br />9.2.2　第2步：探索并准备<br />数据233<br />9.2.3　第3步：训练模型237<br />9.2.4　第4步：评估模型性能239<br />9.2.5　第5步：优化模型性能242<br />9.3　小结243<br />第10章　评估模型性能244<br />10.1　衡量分类性能244<br />10.1.1　分类器预测245<br />10.1.2　进一步了解混淆矩阵248<br />10.1.3　用混淆矩阵衡量性能249<br />10.1.4　除准确率之外的其他<br />性能衡量指标251<br />10.1.5　用ROC曲线可视化<br />性能权衡260<br />10.2　估算未来性能267<br />10.2.1　留出法267<br />10.2.2　交叉验证270<br />10.2.3　自助抽样273<br />10.3　小结274<br />第11章　机器学习成功之道275<br />11.1　机器学习从业指南275<br />11.2　何为成功的机器学习模型277<br />11.2.1　规避浅显的预测279<br />11.2.2　进行公平的评估280<br />11.2.3　考虑现实影响283<br />11.2.4　建立对模型的信任286<br />11.3　为数据科学注入“科学”元素288<br />11.3.1　使用R笔记本和<br />R标记291<br />11.3.2　高级数据探索294<br />11.4　小结307<br />第12章　高级数据准备308<br />12.1　特征工程简介308<br />12.1.1　人机角色309<br />12.1.2　大数据和深度学习的<br />影响311<br />12.2　特征工程实践315<br />12.2.1　建议1：集思广益<br />构建新特征316<br />12.2.2　建议2：找出文本<br />中蕴含的信息317<br />12.2.3　建议3：转换数值<br />范围318<br />12.2.4　建议4：观测相邻<br />数据319<br />12.2.5　建议5：利用相关行319<br />12.2.6　建议6：分解时间<br />序列320<br />12.2.7　建议7：引入外部<br />数据323<br />12.3　探索tidyverse325<br />12.3.1　用tibble构建清晰的<br />表结构325<br />12.3.2　用readr和readxl快速<br />读取数据表326<br />12.3.3　用dplyr准备并传输<br />数据327<br />12.3.4　用stringr转换文本330<br />12.3.5　用lubridate处理日期<br />数据335<br />12.4　小结339<br />第13章　难以处理的数据—过多、<br />太少，或过于复杂340<br />13.1　高维数据340<br />13.1.1　特征选择342<br />13.1.2　特征提取349<br />13.2　稀疏数据357<br />13.2.1　识别稀疏数据358<br /><br />13.2.2　示例：重映射稀疏<br />分类数据359<br />13.2.3　示例：划分数值型<br />稀疏数据区间362<br />13.3　缺失数据365<br />13.3.1　缺失数据的类型366<br />13.3.2　缺失值填补367<br />13.4　数据不平衡问题369<br />13.4.1　平衡数据的简单<br />策略370<br />13.4.2　用SMOTE生成<br />合成平衡数据集372<br />13.4.3　平衡的取舍375<br />13.5　小结376<br />第14章　构建更好的学习器377<br />14.1　优化现有模型以提升性能377<br />14.1.1　确定超参数调优<br />范围378<br />14.1.2　示例：用caret<br />进行自动调优380<br />14.2　用集成法提高模型性能387<br />14.2.1　集成学习388<br />14.2.2　常用的集成算法390<br />14.3　元学习模型堆叠408<br />14.3.1　模型堆叠与融合409<br />14.3.2　用R语言实现融合与<br />堆叠410<br />14.4　小结412<br />第15章　利用大数据414<br />15.1　深度学习应用414<br />15.1.1　深度学习简介415<br />15.1.2　卷积神经网络418<br />15.2　无监督学习和大数据426<br />15.2.1　用嵌入表示高维<br />概念426<br />15.2.2　高维数据可视化435<br />15.3　用R语言处理大型数据集441<br />15.3.1　SQL数据库查询441<br />15.3.2　用并行处理提升<br />性能446<br />15.3.3　利用专用硬件和<br />算法451<br />15.4　小结456