數(shù)據(jù)科學實用算法

第I部分  數(shù)據(jù)約簡
第1 章  數(shù)據(jù)科學概述   3
1.1  什么是數(shù)據(jù)科學？   3
1.2  美國的糖尿病數(shù)據(jù)   5
1.3  《聯(lián)邦黨人文集》的作者數(shù)據(jù)   6
1.4  預測納斯達克股價   8
1.5  述評   9
1.6  關于本書   10
1.7  算法   12
1.8  Python語言   13
1.9  R語言   13
1.10  術語和符號   14
1.11  本書網(wǎng)站   16
第2 章  數(shù)據(jù)映射和數(shù)據(jù)字典   17
2.1  數(shù)據(jù)約簡   17
2.2  政治捐款   18
2.3  字典   19
2.4  教程：大金主   20
2.5  數(shù)據(jù)約簡   24
2.5.1  符號和術語   24
2.5.2  政治捐款示例   25
2.5.3  映射   26
2.6  教程：選舉周期捐款   27
2.7  相似度度量   33
2.8  教程：計算相似度   37
2.9  關于字典的總結(jié)性述評   41
2.10  練習   41
2.10.1  概念練習   41
2.10.2  計算練習   42
第3 章  可擴展算法和聯(lián)合統(tǒng)計   45
3.1  引言   45
3.2  示例：美國的肥胖癥數(shù)據(jù)   46
3.3  關聯(lián)統(tǒng)計數(shù)據(jù)   47
3.4  單變量觀測   48
3.4.1  直方圖   50
3.4.2  直方圖的構(gòu)建   51
3.5  函數(shù)   52
3.6  教程：直方圖的構(gòu)建   53
3.7  多變量數(shù)據(jù)   65
3.7.1  符號和術語   65
3.7.2  估計量   66
3.7.3  增廣“矩”矩陣   69
3.7.4  述評   70
3.8  教程：計算相關矩陣   70
3.9  線性回歸簡介   77
3.9.1  線性回歸模型   77
3.9.2  β的估計值   78
3.9.3  準確性評估   81
3.9.4  計算    82
3.10  教程：計算    83
3.11  練習   89
3.11.1  概念練習   89
3.12.2  計算練習   90
第4 章  Hadoop和MapReduce   93
4.1  引言   93
4.2  Hadoop生態(tài)系統(tǒng)   94
4.2.1  Hadoop分布式文件系統(tǒng)   94
4.2.2  MapReduce   95
4.2.3  映射   96
4.2.4  約簡   97
4.3  開發(fā)Hadoop應用程序   98
4.4  醫(yī)療保險支付   98
4.5  命令行環(huán)境   99
4.6  教程：編程實現(xiàn)MapReduce算法   100
4.6.1  映射器   102
4.6.2  約簡器   105
4.6.3  概要   108
4.7  教程：使用亞馬遜網(wǎng)絡服務   109
4.8  練習   113
4.8.1  概念練習   113
4.8.2  計算練習   113
第II部分  從數(shù)據(jù)中提取信息
第5 章  數(shù)據(jù)可視化   117
5.1  引言   117
5.2  數(shù)據(jù)可視化的原則   118
5.3  做出正確選擇   121
5.3.1  單變量數(shù)據(jù)   122
5.3.2  雙變量和多變量數(shù)據(jù)   125
5.4  利用好這臺機器   132
5.4.1  繪制圖5.2   134
5.4.2  繪制圖5.3   135
5.4.3  繪制圖5.4   136
5.4.4  繪制圖5.5   136
5.4.5  繪制圖5.8   138
5.4.6  繪制圖5.10   139
5.4.7  繪制圖5.11   140
5.5  練習   141
第6 章  線性回歸方法   143
6.1  引言   143
6.2  線性回歸模型   144
6.2.1  示例：抑郁癥、宿命論和簡單化   145
6.2.2  小二乘法   147
6.2.3  置信區(qū)間   149
6.2.4  分布條件   150
6.2.5  假設檢驗   151
6.2.6  警示語   154
6.3  R語言簡介   155
6.4  教程：R語言   156
6.5  教程：大數(shù)據(jù)集和R語言   159
6.6  因子   164
6.6.1  交互   166
6.6.2  擴展平方和F檢驗   168
6.7  教程：共享單車   171
6.8  殘差分析   175
6.8.1  線性   176
6.8.2  示例：共享單車問題   177
6.8.3  獨立性   179
6.9  教程：殘差分析   182
6.10  練習   185
6.10.1  概念練習   185
6.10.2  計算練習   185
第7 章  醫(yī)療分析   189
7.1  引言   189
7.2  行為風險因素監(jiān)測系統(tǒng)   190
7.2.1  患病率的估計   192
7.2.2  發(fā)病率的估計   193
7.3  教程：糖尿病的患病率和發(fā)病率   194
7.4  預測具有患病風險的個人   203
7.5  教程：確認具有患病風險的個體   208
7.6  非尋常的人口特征   213
7.7  教程：構(gòu)建近鄰集合   215
7.8  練習   219
7.8.1  概念練習   219
7.8.2  計算練習   220
第8 章  聚類分析   223
8.1  引言   223
8.2  凝聚層次聚類   224
8.3  各州間的對比   225
8.4  教程：各州的層次聚類   228
8.5  k均值算法   235
8.6  教程：k均值算法   236
8.7  練習   242
8.7.1  概念練習   242
8.7.2  計算練習   242
第III部分  預測分析
第9 章  k近鄰預測函數(shù)   247
9.1  引言   247
9.2  符號和術語   249
9.3  距離度量   251
9.4  k近鄰預測函數(shù)   252
9.5  指數(shù)加權k近鄰   253
9.6  教程：數(shù)字識別   255
9.7  準確性估計   262
9.8  k近鄰回歸   264
9.9  預測標準普爾500指數(shù)   265
9.10  教程：利用模式回歸進行預測   266
9.11  交叉驗證   273
9.12  練習   275
9.12.1  概念練習   275
9.12.2  計算練習   275
第10 章  多項式樸素貝葉斯預測函數(shù)   279
10.1  引言   279
10.2  聯(lián)邦黨人文集   280
10.3  多項式樸素貝葉斯預測函數(shù)   281
10.4  教程：約簡《聯(lián)邦黨人文集》   285
10.5  教程：預測有爭議的《聯(lián)邦黨人文集》的作者   291
10.6  教程：客戶細分   294
10.6.1  加法平滑   295
10.6.2  數(shù)據(jù)   296
10.6.3  述評   303
10.7  練習   303
10.7.1  概念練習   303
10.7.2  計算練習   304
第11 章  預報   307
11.1  引言   307
11.2  教程：處理時間   309
11.3  分析方法   313
11.3.1  符號   313
11.3.2  均值和方差的估計   313
11.3.3  指數(shù)預報   315
11.3.4  自相關   316
11.4  教程：計算    318
11.5  漂移和預報   322
11.6  Holt-Winters指數(shù)型預報   323
11.7  教程：Holt-Winters預報   326
11.8  基于回歸的股價預報   330
11.9  教程：基于回歸的預報   331
11.10  時變回歸預報器   336
11.11  教程：時變回歸預報器   337
11.12  練習   339
11.12.1  概念練習   339
11.12.2  計算練習   339
第12 章  實時分析   343
12.1  引言   343
12.2  用納斯達克報價數(shù)據(jù)流進行預報   344
12.3  教程：預報Apple公司信息流   346
12.4  Twitter信息流API   351
12.5  教程：訪問Twitter數(shù)據(jù)流   352
12.6  情感分析   357
12.7  教程：主題標簽分組的情感分析   358
12.8  練習   360
附錄  A  練習答案   363
附錄  B  使用Twitter API   377
參考文獻   379