目錄
贊譽 xiii
前言 xv
第 1 章 緒論：數據分析式思維 1
1．1 數據機遇無處不在 1
1．2 案例：颶風 Frances 2
1．3 案例：預測用戶流失 3
1．4 數據科學、數據工程和數據驅動型決策 4
1．5 數據處理和“大數據” 6
1．6 從大數據 1．0 到大數據 2．0 6
1．7 數據與數據科學能力：一種戰(zhàn)略性資產 7
1．8 數據分析式思維 9
1．9 關于本書 10
1．10 重新審視數據挖掘和數據科學 11
1．11 數據科學：一門新興的實驗性學科 12
1．12 小結 12
第 2 章 商業(yè)問題及其數據科學解決方案 14
2．1 從商業(yè)問題到數據挖掘任務 14
2．2 有監(jiān)督方法與無監(jiān)督方法 17
2．3 數據挖掘及其結果 18
2．4 數據挖掘流程 19
2．4．1 業(yè)務理解環(huán)節(jié) 20
2．4．2 數據理解環(huán)節(jié) 21
2．4．3 數據準備環(huán)節(jié) 22
2．4．4 建模環(huán)節(jié) 22
2．4．5 評估環(huán)節(jié) 23
2．4．6 部署環(huán)節(jié) 24
2．5 管理數據科學團隊的含義 25
2．6 其他分析技巧與技術 26
2．6．1 統(tǒng)計 26
2．6．2 數據庫查詢 27
2．6．3 數據倉庫 28
2．6．4 回歸分析 28
2．6．5 機器學習與數據挖掘 28
2．6．6 運用以上技術解決商業(yè)問題 29
2．7 小結 30
第 3 章 預測建模導論：從相關性到有監(jiān)督的劃分 31
3．1 建模、歸納與預測 32
3．2 有監(jiān)督的劃分 35
3．2．1 選取富信息屬性 36
3．2．2 示例：基于信息增益進行屬性選擇 42
3．2．3 使用樹形結構模型進行有監(jiān)督的劃分 46
3．3 劃分的可視化 52
3．4 把樹視作規(guī)則組 53
3．5 概率估計 54
3．6 示例：用樹型歸納解決用戶流失問題 56
3．7 小結 59
第 4 章 用模型擬合數據 61
4．1 根據數學函數分類 62
4．1．1 線性判別函數 64
4．1．2 目標函數的最優(yōu)化 66
4．1．3 示例：基于數據挖掘線性判別式 67
4．1．4 用線性判別函數對實例進行評分和排序 68
4．1．5 支持向量機簡介 69
4．2 通過數學函數進行回歸 71
4．3 類概率估計和邏輯“回歸” 73
4．4 示例：對比邏輯回歸和樹型歸納 77
4．5 非線性方程、支持向量機和神經網絡 81
4．6 小結 83
第 5 章 避免過擬合 84
5．1 泛化能力 84
5．2 過擬合 85
5．3 過擬合檢驗 86
5．3．1 保留數據和擬合圖 86
5．3．2 樹型歸納的過擬合問題 88
5．3．3 數值函數的過擬合問題 89
5．4 示例：線性函數的過擬合 90
5．5 * 示例：過擬合為何有害 95
5．6 從保留評估到交叉驗證 96
5．7 用戶流失數據集回顧 99
5．8 學習曲線 100
5．9 避免過擬合與控制復雜度 101
5．9．1 樹型歸納中的過擬合規(guī)避 102
5．9．2 避免過擬合的一般方法 102
5．9．3 * 參數優(yōu)化中的過擬合規(guī)避 104
5．10 小結 106
第 6 章 相似性、近鄰和簇 107
6．1 相似性和距離 108
6．2 最近鄰推理 109
6．2．1 示例：威士忌分析 110
6．2．2 用最近鄰來進行預測建模 111
6．2．3 近鄰的數量及其影響 113
6．2．4 幾何解釋、過擬合和復雜度控制 115
6．2．5 最近鄰方法的問題 118
6．3 與相似性和最近鄰相關的一些重要技術細節(jié) 119
6．3．1 混合屬性 119
6．3．2 * 其他距離函數 120
6．3．3 * 組合函數：計算近鄰的評分 122
6．4 聚類 124
6．4．1 示例：威士忌分析回顧 124
6．4．2 層次聚類 125
6．4．3 最近鄰回顧：根據形心的聚類 128
6．4．4 示例：對商業(yè)新聞報道進行聚類 132
6．4．5 理解聚類結果 135
6．4．6 * 用有監(jiān)督學習產生簇描述 136
6．5 退一步：解決業(yè)務問題與數據探索 139
6．6 小結 140
第 7 章 決策分析思維（一）：如何評估一個模型 142
7．1 對分類器的評估 143
7．1．1 簡單準確率的問題 143
7．1．2 混淆矩陣 144
7．1．3 樣本類別不均衡的問題 144
7．1．4 成本收益不均衡的問題 147
7．2 分類問題的推廣 147
7．3 一個重要的分析框架：期望值 148
7．3．1 用期望值規(guī)范分類器的使用 148
7．3．2 用期望值規(guī)范分類器的評估 149
7．4 評估、基線性能以及對數據投資的意義 155
7．5 小結 157
第 8 章 模型性能的可視化 159
8．1 排序，而不是分類 159
8．2 利潤曲線 161
8．3 ROC 圖像和曲線 163
8．4 ROC 曲線下面積 168
8．5 累積響應曲線和提升曲線 168
8．6 示例：用戶流失模型的性能分析 171
8．7 小結 177
第 9 章 證據和概率 179
9．1 示例：向線上目標用戶投放廣告 179
9．2 根據概率合并證據 181
9．2．1 聯(lián)合概率與獨立性 181
9．2．2 貝葉斯法則 182
9．3 將貝葉斯法則應用到數據科學中 183
9．3．1 條件獨立和樸素貝葉斯 184
9．3．2 樸素貝葉斯的優(yōu)劣勢 186
9．4 證據“提升度”的模型 187
9．5 示例：Facebook“點贊”的證據提升度 188
9．6 小結 190
第 10 章 文本的表示和挖掘 191
10．1 為什么文本很重要 192
10．2 為什么文本很難處理 192
10．3 表示法 193
10．3．1 詞袋模型 193
10．3．2 詞頻 193
10．3．3 度量稀疏度：逆文檔頻率 195
10．3．4 TFIDF 196
10．4 示例：爵士音樂家 197
10．5 *IDF 和熵的關系 200
10．6 詞袋模型之外的方法 202
10．6．1 n-grams 序列 202
10．6．2 命名實體提取 202
10．6．3 主題模型 203
10．7 示例：通過挖掘新聞報道預測股價變動 204
10．7．1 任務 204
10．7．2 數據 205
10．7．3 數據處理 207
10．7．4 結果 208
10．8 小結 211
第 11 章 決策分析思維（二）：面向分析工程 212
11．1 為慈善機構尋找最佳捐贈人 213
11．1．1 期望值框架：分解商業(yè)問題，重組解決方案 213
11．1．2 簡短的題外話：選擇性偏差 214
11．2 更復雜的用戶流失示例回顧 215
11．2．1 期望值框架：構建更復雜的商業(yè)問題 215
11．2．2 評估激勵的影響 216
11．2．3 從期望值分解到數據科學解決方案 217
11．3 小結 219
第 12 章 其他數據科學任務與技術 220
12．1 共現和關聯(lián)：尋找匹配項 221
12．1．1 度量意外：提升度和杠桿率 221
12．1．2 示例：啤酒和彩票 222
12．1．3 Facebook 點贊的關聯(lián) 223
12．2 用戶畫像：尋找典型行為 225
12．3 鏈路預測和社交推薦 229
12．4 數據約簡、潛在信息和電影推薦 230
12．5 偏差、方差和集成方法 233
12．6 數據驅動的因果解釋和一個病毒式營銷示例 235
12．7 小結 236
第 13 章 數據科學和經營戰(zhàn)略 237
13．1 數據分析式思維，終極版 237
13．2 用數據科學取得競爭優(yōu)勢 238
13．3 用數據科學保持競爭優(yōu)勢 239
13．3．1 令人敬畏的歷史優(yōu)勢 240
13．3．2 獨一無二的知識產權 240
13．3．3 獨一無二的無形抵押資產 240
13．3．4 優(yōu)秀的數據科學家 241
13．3．5 優(yōu)秀的數據科學管理 242
13．4 吸引和培養(yǎng)數據科學家及其團隊 243
13．5 檢驗數據科學案例分析 244
13．6 做好準備，接受來源各異的創(chuàng)意 245
13．7 做好準備，評估數據科學項目提案 245
13．7．1 數據挖掘提案示例 246
13．7．2 Big Red 提案中的缺陷 246
13．8 企業(yè)的數據科學成熟度 247
第 14 章 總結 250
14．1 數據科學的基本概念 250
14．1．1 將基本概念應用于新問題：挖掘移動設備數據 252
14．1．2 改變對商業(yè)問題解決方案的思考方式 253
14．2 數據做不到的：圈中人回顧 254
14．3 隱私、道德和挖掘個人數據 256
14．4 數據科學是否還有更多內容 257
14．5 最后一例：從眾包到云包 257
14．6 最后的話 258
附錄 A 提案評估指南 259
附錄 B 另一個提案示例 262
參考文獻 265
術語表 273
關于作者 278
鄂公網安備 42010302001612號 