R語言機器學習實戰 Practical Machine Learning in R

本書探討瞭如何使用 R 語言進行機器學習，涵蓋基本的原理和方法，並通過大量的示例和練習，讓讀者掌握 R 語言的數據處理技巧。本書包括入門、回歸、分類、模型的評估和改進、無監督學習五大部分，涉及線性回歸、logistic 回歸、k 近鄰、樸素貝葉斯、決策樹、聚類和關聯規則等機器學習模型。本書配套提供相關的代碼和數據，方便讀者學習和使用。本書適合 R 語言和機器學習的愛好者、從業者以及相關院校的師生選用。

弗雷德·恩旺加（Fred Nwanganga）博士，美国圣母大学门多萨商学院商业分析专业助理教授，拥有超过15年的技术领导经验。

迈克·查普尔（Mike Chapple）博士，美国圣母大学门多萨商学院信息技术、分析和运营系副教授，目前担任该大学商业分析硕士项目的学术主任，出版了20多种书籍。

目錄

第 一部分　入門

第 1 章　什麽是機器學習 2

1.1　從數據中發現知識 2

1.1.1　算法介紹 3

1.1.2　人工智能、機器學習和深度學習 3

1.2　機器學習技術 4

1.2.1　監督學習 4

1.2.2　無監督學習 7

1.3　模型選擇 9

1.3.1　分類技術 9

1.3.2　回歸技術 9

1.3.3　相似性學習技術 10

1.4　評估模型 10

1.4.1　分類錯誤 11

1.4.2　回歸錯誤 12

1.4.3　錯誤類型 13

1.4.4　分割數據集 14

1.5　練習 15

第 2 章　R 和 RStudio 簡介 17

2.1　歡迎來到 R 17

2.2 R 和 RStudio 組件 18

2.2.1 R 語言 18

2.2.2 RStudio 19

2.2.3 R 包 26

2.3　編寫和運行 R 腳本 29

2.4 R 中的數據類型 31

2.4.1　向量 32

2.4.2　測試數據類型 33

2.4.3　轉換數據類型 36

2.4.4　缺失值 36

2.5　練習 37

第 3 章　數據管理 38

3.1 tidyverse 38

3.2　數據收集 39

3.2.1　主要考慮因素 39

3.2.2　導入數據 40

3.3　數據探索 43

3.3.1　數據描述 43

3.3.2　數據可視化 48

3.4　數據準備 52

3.4.1　數據清洗 53

3.4.2　數據轉換 59

3.4.3　減少數據 64

3.5　練習 69

第二部分　回歸

第 4 章　線性回歸 72

4.1　自行車租賃與回歸 72

4.2　變量之間的關系 73

4.2.1　相關性 74

4.2.2　回歸 79

4.3　簡單線性回歸 80

4.3.1　普通最小二乘法 81

4.3.2　簡單線性回歸模型 82

4.3.3　評估模型 82

4.4　多元線性回歸 85

4.4.1　多元線性回歸模型 86

4.4.2　評估模型 86

4.4.3　改進模型 93

4.4.4　優缺點 100

4.5　案例研究：預測血壓 101

4.5.1　導入數據 102

4.5.2　探索數據 102

4.5.3　簡單線性回歸模型的擬合 104

4.5.4　多元線性回歸模型的擬合 105

4.6　練習 111

第 5 章　logistic 回歸 113

5.1　尋找潛在捐贈者 113

5.2　分類 115

5.3 logistic 回歸 116

5.3.1　優勢比 117

5.3.2　二分類 logistic 回歸模型 120

5.3.3　評估模型 129

5.3.4　改進模型 135

5.3.5　優缺點 140

5.4　案例研究：收入預測 140

5.4.1　導入數據 141

5.4.2　探索和準備數據 141

5.4.3　訓練模型 144

5.4.4　評估模型 146

5.5　練習 147

第三部分　分類

第 6 章　k 近鄰 152

6.1　檢測心臟病 152

6.2 k 近鄰 154

6.2.1　發現最近鄰居 155

6.2.2　標記未標記數據 157

6.2.3　選擇合適的 k 157

6.2.4 k 近鄰模型 158

6.2.5　評估模型 162

6.2.6　改進模型 163

6.2.7　優缺點 164

6.3　案例研究：重新分析捐贈者數據集 165

6.3.1　導入數據 165

6.3.2　探索和準備數據 165

6.3.3　建立模型 169

6.3.4　評估模型 170

6.4　練習 170

第 7 章　樸素貝葉斯 171

7.1　垃圾郵件分類 171

7.2　樸素貝葉斯 172

7.2.1　概率 173

7.2.2　聯合概率 173

7.2.3　條件概率 174

7.2.4　樸素貝葉斯分類 175

7.2.5　可加性平滑 177

7.2.6　樸素貝葉斯模型 178

7.2.7　評估模型 182

7.2.8　樸素貝葉斯分類器的優缺點 183

7.3　案例研究：重新審視心臟病檢測問題 183

7.3.1　導入數據 183

7.3.2　探索和準備數據 184

7.3.3　建立模型 185

7.3.4　評估模型 186

7.4　練習 186

第 8 章　決策樹 188

8.1　預測許可證決策 188

8.2　決策樹 189

8.2.1　遞歸分區 190

8.2.2　熵 193

8.2.3　信息增益 194

8.2.4　基尼不純度 196

8.2.5　剪枝 196

8.2.6　建立分類樹模型 197

8.2.7　評估模型 200

8.2.8　決策樹的優缺點 202

8.3　案例研究：重新審視收入預測問題 203

8.3.1　導入數據 203

8.3.2　探索和準備數據 204

8.3.3　建立模型 205

8.3.4　評估模型 205

8.4　練習 206

第四部分　模型的評估和改進

第 9 章　評估模型 208

9.1　評估未來表現 208

9.1.1　交叉驗證 210

9.1.2　自助抽樣 215

9.2　超越預測準確性 217

9.2.1 Kappa 218

9.2.2　查準率和查全率 220

9.2.3　靈敏度和特異性 222

9.3　可視化模型性能 225

9.3.1　接收者操作特性曲線 225

9.3.2　曲線下麵積 228

9.4　練習 230

第 10 章　改進模型 232

10.1　調整參數 232

10.1.1　自動參數調整 232

10.1.2　自定義參數調整 236

10.2　集成方法 240

10.2.1　裝袋 241

10.2.2　提升 243

10.2.3　堆疊 245

10.3　練習 249

第五部分　無監督學習

第 11 章　用關聯規則發現模式 252

11.1　超市購物籃分析 252

11.2　關聯規則 253

11.2.1　識別強規則 254

11.2.2 Apriori 算法 255

11.3　發現關聯規則 256

11.3.1　生成規則 257

11.3.2　評估規則 260

11.3.3　優缺點 263

11.4　案例研究：識別雜貨店購買模式 263

11.4.1　導入數據 264

11.4.2　探索和預處理數據 264

11.4.3　生成規則 265

11.4.4　評估規則 266

11.5　練習 268

11.6　參考文獻 268

第 12 章　用聚類對數據分組 269

12.1　聚類 269

12.2 k 均值聚類 271

12.3　基於 k 均值聚類的大學細分 274

12.3.1　創建簇 275

12.3.2　分析簇 277

12.3.3　選擇最佳簇數 278

12.3.4 k 均值聚類的優缺點 282

12.4　案例研究：對購物中心客戶進行細分 282

12.4.1　探索和準備數據 283

12.4.2　聚類數據 283

12.4.3　評估簇 284

12.5　練習 285

12.6　參考文獻 286