具体描述
《数据科学》是一本数据科学的入门书籍。每个知识点尽量从实际的应用案例出发，从数据出发，以问题为导向，在解决问题中学习数据挖掘、机器学习等数据科学相关方法。《数据科学》将数据读写、数据清洗和预处理作为开端，逐渐深入到和数据科学相关的决策树、支持向量机、神经网络、无监督学习等知识。此外，结合数据科学的实际应用，书中还讲解了推荐算法、文本挖掘和社交网络分析等热门实用技术。《数据科学》在写作过程中尽量删去太过抽样的理论，让具有一定高等数学和概率论基础的读者就能看得懂。当然，如果读者对方法原理确实不感兴趣，只是为了用R程序实现某种方法，可以跳过方法只看案例和程序。《数据科学》适合作为高校数据科学、机器学习、数据挖掘、大数据分析等相关专业的研究生和高年级本科的教科书，也适合作为相关企业的数据科学家、数据挖掘工程师、数据分析师及数据科学的爱好者等的工具书。
作者简介
方匡南，现为厦门大学经济学院统计系教授、博士生导师，耶鲁大学博士后，厦门大学数据挖掘研究中心副主任，国际统计学会会士，全国工业统计学会理事、厦门统计学会常务理事。主要研究方向为数据挖掘、机器学习、应用统计。曾先后在国外权威期刊发表论文七十多篇，主持了国家自然科学基金等项目二十多项。
目录信息
1.1 数据科学的发展历史 1
1.2 数据科学研究的主要问题 3
1.3 数据科学的主要方法 5
1.4 R语言的优势 7
第2章 数据读/写 9
2.1 数据的读入 9
2.1.1 直接输入数据 9
2.1.2 读入R包中的数据 10
2.1.3 从外部文件读入数据 10
2.1.4 批量读入数据 15
2.1.5 R语言读取文件的几个常错的问题 15
2.2 写出数据 17
2.3 习题 18
第3章 数据清洗与预处理 19
3.1 数据分类 19
3.2 数据清洗 20
3.2.1 处理缺失数据 20
3.2.2 处理噪声数据 23
3.3 数据变换 23
3.4 R语言实现 25
3.4.1 数据集的基本操作 25
3.4.2 数据集间的操作 28
3.4.3 连接数据库数据 29
3.5 习题 30
第4章 数据可视化 31
4.1 高阶绘图工具——ggplot2 31
4.1.1 快速绘图 32
4.1.2 使用图层构建图像 34
4.1.3 分面 37
4.2 ECharts2 39
4.2.1 安装 39
4.2.2 使用 40
4.3 习题 48
第5章 线性回归 49
5.1 问题的提出 49
5.2 一元线性回归 50
5.2.1 一元线性回归概述 50
5.2.2 一元线性回归的参数估计 52
5.2.3 一元线性回归模型的检验 55
5.2.4 一元线性回归的预测 56
5.3 多元线性回归分析 57
5.3.1 多元线性回归模型及假定 58
5.3.2 参数估计 59
5.3.3 模型检验 60
5.3.4 预测 61
5.4 R语言实现 63
5.4.1 一元线性回归 63
5.4.2 多元线性回归 66
5.5 习题 67
第6章 线性分类 69
6.1 问题的提出 69
6.2 Logistic模型 70
6.2.1 线性概率模型 70
6.2.2 Probit模型 71
6.2.3 Logit模型原理 72
6.2.4 边际效应分析 73
6.2.5 最大似然估计（MLE） 73
6.2.6 似然比检验 74
6.3 判别分析 74
6.3.1 Na?ve Bayes判别分析 75
6.3.2 线性判别分析 76
6.3.3 二次判别分析 78
6.4 分类问题评价准则 78
6.5 R语言实现 80
6.5.1 描述统计 80
6.5.2 Logistic模型 81
6.5.3 判别分析 87
6.5.4 模型比较 90
6.6 习题 92
第7章 重抽样 94
7.1 问题的提出 94
7.2 基本概念 94
7.2.1 训练误差和测试误差 95
7.2.2 偏差和方差 95
7.3 交叉验证法 96
7.3.1 验证集方法 97
7.3.2 留一交叉验证法 97
7.3.3 K折交叉验证法 98
7.4 自助法 99
7.5 R语言实现 100
7.5.1 验证集方法 100
7.5.2 留一交叉验证法 102
7.5.3 K折交叉验证法 102
7.5.4 自助法 103
7.6 习题 104
第8章 模型选择与正则化 105
8.1 问题的提出 105
8.2 子集选择法 106
8.2.1 最优子集法 106
8.2.2 逐步选择法 106
8.2.3 模型选择 108
8.3 基于压缩估计的逐个变量选择 109
8.3.1 LASSO惩罚 110
8.3.2 SCAD惩罚 111
8.3.3 MCP惩罚 112
8.3.4 调整参数选择 113
8.4 基于压缩估计的组变量选择 113
8.4.1 自然分组结构 113
8.4.2 人为分组结构 114
8.5 基于压缩估计的双层变量选择 115
8.5.1 复合函数型双层选择 115
8.5.2 稀疏组惩罚型双层选择 116
8.6 R语言实现 117
8.6.1 子集选择法 117
8.6.2 模型选择 120
8.6.3 组模型选择 122
8.6.4 双层模型选择 126
8.7 习题 128
第9章 决策树与组合学习 129
9.1 问题的提出 129
9.2 决策树 130
9.2.1 基本概念 130
9.2.2 分类树 133
9.2.3 回归树 135
9.2.4 树的优缺点 137
9.3 Bagging 137
9.3.1 基本算法 137
9.3.2 袋外误差估计 138
9.3.3 变量重要性的度量 139
9.4 随机森林 140
9.5 提升法 142
9.5.1 Adaboost算法 142
9.5.2 GBDT算法 143
9.5.3 XGBoost算法 143
9.6 R语言实现 144
9.6.1 数据介绍 144
9.6.2 描述性统计 145
9.6.3 分类树 145
9.6.4 Bagging 148
9.6.5 随机森林 149
9.6.6 Boosting 150
9.7 习题 155
第10章 支持向量机 156
10.1 问题的提出 156
10.2 最大间隔分类器 157
10.2.1 使用分割超平面分类 157
10.2.2 构建最大间隔分类器 159
10.2.3 线性不可分的情况 160
10.3 支持向量分类器 161
10.3.1 使用软间隔分类 161
10.3.2 构建支持向量分类器 161
10.4 支持向量机 163
10.4.1 使用非线性决策边界分类 163
10.4.2 构建支持向量机 165
10.5 与Logistic回归的关系 166
10.6 支持向量回归 167
10.7 R语言实现 168
10.7.1 支持向量分类器 168
10.7.2 支持向量机 173
10.7.3 Auto数据集 175
10.8 习题 178
第11章 神经网络 180
11.1 问题的提出 181
11.2 神经网络的基本概念 181
11.2.1 神经网络的基本单元——神经元 181
11.2.2 神经网络的结构 185
11.2.3 神经网络的学习 186
11.3 神经网络模型 188
11.3.1 单神经元感知器 188
11.3.2 单层感知器 189
11.3.3 BP神经网络 190
11.3.4 Rprop神经网络 193
11.4 R语言实现 195
11.4.1 nnet程序包 195
11.4.2 neuralnet程序包 197
11.4.3 应用案例1：利用nnet程序包分析纸币鉴别数据 198
11.4.4 应用案例2：利用neuralnet程序包分析白葡萄酒的品质 200
11.5 习题 203
第12章 无监督学习 205
12.1 问题的提出 205
12.2 聚类分析 207
12.2.1 相异度 207
12.2.2 K-means聚类 209
12.2.3 系统聚类法 211
12.3 主成分分析 214
12.3.1 主成分分析的几何意义 214
12.3.2 主成分的数学推导 215
12.3.3 主成分回归 217
12.3.4 主成分分析的其他方面 217
12.4 因子分析 219
12.4.1 因子分析的数学模型 219
12.4.2 因子载荷阵的统计意义 220
12.4.3 因子分析的其他方面 221
12.5 典型相关分析 223
12.5.1 典型相关分析原理 223
12.5.2 典型相关系数的显著性检验 226
12.5.3 典型相关分析的步骤 227
12.6 R语言实现 228
12.6.1 聚类分析：移动通信用户细分 228
12.6.2 主成分分析：农村居民消费水平评价 233
12.6.3 因子分析：市场调查 236
12.6.4 典型相关分析：职业满意度与职业特性的关系 239
12.7 习题 242
第13章 推荐算法 243
13.1 关联规则 243
13.1.1 基本概念 244
13.1.2 基本分类 246
13.1.3 基本方法 247
13.2 协同过滤算法 249
13.2.1 基于邻居的协同过滤算法 249
13.2.2 基于模型的协同过滤算法 253
13.3 R语言实现 254
13.3.1 关联规则 254
13.3.2 协同过滤算法 259
13.4 习题 262
第14章 文本挖掘 264
14.1 问题的提出 264
14.2 文本挖掘基本流程 265
14.2.1 文本数据获取 265
14.2.2 文本特征表示 265
14.2.3 文本的特征选择 268
14.2.4 信息挖掘与主题模型 269
14.3 R语言实现 270
14.3.1 JSS_papers数据集 270
14.3.2 拓展案例：房地产网络舆情分析 275
14.4 习题 278
第15章 社交网络分析 279
15.1 问题的提出 279
15.2 网络的基本概念 280
15.3 网络特征的描述性分析 281
15.3.1 节点度 281
15.3.2 节点中心性 282
15.3.3 网络的凝聚性特征 283
15.3.4 分割 284
15.4 网络图的统计模型 285
15.4.1 经典随机图模型 285
15.4.2 广义随机图模型 286
15.4.3 指数随机图模型 287
15.4.4 网络块模型 287
15.5 关联网络推断 288
15.5.1 相关网络 288
15.5.2 偏相关网络 289
15.5.3 高斯图模型网络 290
15.5.4 Graphic Lasso模型 291
15.6 二值型网络模型 294
15.7 R语言实现 295
15.7.1 网络的基本操作 295
15.7.2 “豆瓣关注网络”和“豆瓣朋友网络”特征分析 298
15.7.3 关联网络推断 303
15.8 习题 308
第16章 并行计算 309
16.1 提高R语言的计算速度 309
16.2 R语言的并行计算 310
16.3 HPC多线程并行计算 316
参考文献 321
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
这本书的逻辑脉络实在是太清晰了，简直是一部结构严谨的工程蓝图。我尤其欣赏作者在构建**机器学习算法**体系时的那种层层递进的编排方式。它不是简单地罗列算法，而是先从最基础的监督学习讲起，循序渐进地过渡到回归、分类，再到决策树和集成学习。每介绍一个新算法，作者都会先解释其背后的核心思想，然后给出一个清晰的数学推导框架，最后再附带一个在现实世界中可以运行的伪代码或概念模型。这种“理论—推导—实践框架”的闭环结构，极大地提高了我的学习效率。举个例子，在讲解**支持向量机（SVM）**时，作者花费了大量的篇幅来阐述“核函数”的魔力，通过一个低维空间无法线性可分的数据集，展示了如何通过核技巧将其映射到高维空间实现完美划分，这个过程的阐述细致入微，让我对“特征工程”的重要性有了更深层次的理解。而且，本书的章节过渡非常自然，读完前一个主题，你几乎能预感到下一个主题将要解决什么问题，这种流畅感是很多技术书籍所欠缺的。
评分我发现这本书最令人称道的一点是它对**数据可视化**这一环节的重视程度。在很多书籍中，可视化往往被简单地当作一个工具章节草草带过，但在这本书里，它被提升到了与模型构建同等重要的地位。作者明确指出，“如果不能有效沟通你的发现，那么再复杂的模型也毫无价值”。书中专门开辟了一块区域，详细探讨了如何选择最合适的图表类型来表达特定的数据故事——是折线图、散点图，还是热力图，都有详细的适用场景分析。最让我印象深刻的是关于**信息图形设计原则**的讨论，作者引用了多位设计大师的观点，强调了颜色对比度、信息密度和叙事流向的重要性。他不仅仅停留在教你怎么用Python的`Matplotlib`或`Seaborn`库，而是更深入地探讨了“为什么”要这么画。读完这部分内容，我立刻尝试用书中教的方法重新整理了我之前做的项目报告，结果同事们对新图表的反馈明显积极得多，这直接证明了书中观点的实用价值。
评分如果要用一个词来形容这本书给我的感受，那便是“务实”。它与市面上那些过于理论化或又过于碎片化的教程完全不同，它仿佛是一个经验丰富的工程师在手把手教你如何将理论真正落地。书中关于**数据清洗与预处理**的章节，占据了相当大的比重，这充分体现了作者对“垃圾进，垃圾出”这一行业真理的深刻认识。作者详细列举了处理缺失值、异常值、数据不平衡等实际工作中会遇到的所有“脏活累活”，并且给出了多种应对策略的优劣分析，而不是简单地推荐某一个函数。例如，在处理时间序列数据的缺失值时，它对比了均值填充、插值法和基于模型的预测填充的准确性和计算成本，这种多维度权衡的视角非常宝贵。这本书的价值不在于教你学会使用某一个库的最新版本，而在于培养你像一个真正的数据科学家那样去思考问题、规划项目的能力，它传授的是一种解决问题的思维模式。
评分这本书的装帧设计简洁大气，拿到手里就感觉质感非凡，翻开内页，那种纸张的触感和字体的排版清晰度都让人赏心悦目。我本来还担心内容会过于学术化，让人望而却步，但实际上，作者在引言部分就展现出一种非常亲切的叙事风格，像是请了一位资深前辈在耳边娓娓道来，把我对这个领域的困惑一一解开。尤其是它对**统计学基础**的梳理，没有采用那种枯燥的公式堆砌，而是巧妙地结合了生活中的实际案例，比如用彩票中奖概率来解释大数定律，真是让人会心一笑，瞬间觉得那些原本高深的概念也变得触手可及了。书中对**线性代数**的讲解也独具匠心，通过图形化的方式，将向量和矩阵的运算直观地呈现出来，这对于我这种对数学背景不那么扎实的读者来说，简直是醍醐灌顶。我清晰地记得，作者在讲解特征值和特征向量时，用到了一个关于“数据维度压缩”的场景模拟，那段文字我反复读了三遍，才真正理解了它在实际应用中的意义。总体而言，这本书在内容深度和阅读体验上找到了一个绝佳的平衡点，它既有足够的理论支撑，又不失为一本令人愉悦的入门读物。
评分这本书在处理**深度学习**这块前沿内容时，展现了惊人的洞察力和前瞻性。它没有陷入追逐最新框架模型的潮流，而是选择了从神经网络的**反向传播算法**这个核心基石开始深入剖析。作者对梯度下降法在多层网络中的应用进行了非常细致的链式法则推导，即便是面对复杂的激活函数，讲解也保持了惊人的清晰度。我特别喜欢书中对**卷积神经网络（CNN）**和**循环神经网络（RNN）**结构对比的分析，它不仅解释了它们各自的数学结构，更强调了它们在处理空间数据和时间序列数据上的内在逻辑差异，这比单纯的代码实现要深刻得多。此外，书中还讨论了一些关于模型训练中常见的难题，比如**梯度消失/爆炸**问题，并提供了非常实用的解决方案，比如ReLU激活函数的使用和残差连接的思想。这本书为我理解现代AI的“黑箱”内部工作原理，提供了一把非常可靠的“万能钥匙”。
评分 评分 评分 评分 评分相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有