精通数据科学算法

图书标准信息

• 作者 [英]戴维·纳蒂加（David Natingga） 著；封强、赵运枫、范东来 译
• 出版社 人民邮电出版社
• 出版时间 2019-05
• 版次 1
• ISBN 9787115498168
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 164页
• 字数 193千字

【内容简介】

数据科学（Data Science）是从数据中提取知识的技术，是一门有关机器学习、统计学与数据挖掘的交叉学科。数据科学包含了多种领域的不同元素，包括信号处理、数学、概率模型技术和理论、计算机编程、统计学等。

本书讲解了7种重要的数据分析方法，它们分别是k最近邻算法、朴素贝叶斯算法、决策树、随机森林、k-means聚类、回归分析以及时间序列分析。全书共7章，每一章都以一个简单的例子开始，先讲解算法的基本概念与知识，然后通过对案例进行扩展以讲解一些特殊的分析算法。这种方式有益于读者深刻理解算法。

本书适合数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。

【作者简介】

Dávid Natingga于2014年毕业于伦敦帝国理工学院的计算与人工智能专业，并获工程硕士学位。2011年，他在印度班加罗尔的Infosys实验室工作，研究机器学习算法的优化。2012~2013年，他在美国帕罗奥图的Palantir技术公司从事大数据算法的开发工作。2014年，作为英国伦敦Pact Coffee公司的数据科学家，他设计了一种基于顾客口味偏好和咖啡结构的推荐算法。2017年，他在荷兰阿姆斯特丹的TomTom工作，处理导航平台的地图数据。

他是英国利兹大学计算理论专业的博士研究生，研究纯数学如何推进人工智能。2016年，他在日本高等科学技术学院当了8个月的访问学者。

【目录】

第 1 章 用k最近邻算法解决分类问题

1．1　Mary对温度的感觉

1．2　实现k最近邻算法

1．3　意大利地区的示例——选择k值

1．4　房屋所有权——数据转换

1．5　文本分类——使用非欧几里德距离

1．6　文本分类——更高维度的k-NN

1．7　小结

1．8　习题

第　2 章 朴素贝叶斯

2．1　医疗检查——贝叶斯定理的基本应用

2．2　贝叶斯定理的证明及其扩展

2．3　西洋棋游戏——独立事件

2．4　朴素贝叶斯分类器的实现

2．5　西洋棋游戏——相关事件

2．6　性别分类——基于连续随机变量的贝叶斯定理

2．7　小结

2．8　习题

第　3 章 决策树

3．1　游泳偏好——用决策树表示数据

3．2　信息论　044

3．3　ID3算法——构造决策树　047

3．4　用决策树进行分类　054

3．5　小结　060

3．6　习题　060

第　4 章 随机森林　064

4．1　随机森林算法概述　064

4．2　游泳偏好——随机森林分析法　065

4．3　随机森林算法的实现　071

4．4　下棋实例　075

4．5　购物分析——克服随机数据的不一致性以及

度量置信水平　082

4．6　小结　084

4．7　习题　084

第　5 章 k-means聚类　089

5．1　家庭收入——聚类为k个簇　089

5．2　性别分类——聚类分类　092

5．3　k-means聚类算法的实现　095

5．4　房产所有权示例——选择簇的数量　099

5．5　小结　105

5．6　习题　105

第　6 章 回归分析　114

6．1　华氏温度和摄氏温度的转换——基于完整数据的线性回归　114

6．2　根据身高预测体重——基于实际数据的线性回归　117

6．3　梯度下降算法及实现　118

6．4　根据距离预测飞行时长　122

6．5　弹道飞行分析——非线性模型　123

6．6　小 结　125

6．7　习 题　125

第　7 章 时间序列分析　130

7．1　商业利润——趋势分析　130

7．2　电子商店的销售额——季节性分析　132

7．3　小 结　140

7．4　习 题　140

附录　A 统计　145

A．1　基本概念　145

A．2　贝叶斯推理　146

A．3　分 布　146

A．4　交叉验证　147

A．5　A/B 测 试　148

附录　B R参考　149

B．1　介 绍　149

B．2　数据类型　150

B．3　线性回归　152

附录　C Python参考　154

C．1　介 绍　154

C．2　数据类型　155

C．3　控 制 流　159

附录　D 数据科学中的算法和方法术语　163