掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據科學與商業分析 用機器學習與統計學優化商業決策 版權信息
- ISBN：9787115559135
- 條形碼：9787115559135 ; 978-7-115-55913-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據科學與商業分析 用機器學習與統計學優化商業決策 本書特色
1.亞馬遜北美首席經濟學家，前芝加哥大學統計學教授帶你解決從數據到業務實操的*后一公里問題；2.書中通過大量數據分析示例講解如何利用R語言編寫腳本來解決復雜的數據科學問題；3.本書是解決數據業務問題的實踐指南，旨在通過大量真實的一線案例，介紹如何將業務問題和數據聯系起來；4.本書詳細展示應用統計學+機器學習+經濟學進行數據分析，進而驅動和優化商業決策的過程。5.基于R語言。
數據科學與商業分析 用機器學習與統計學優化商業決策 內容簡介
大數據和機器學習等的興起使得商業分析領域越來越倚重數據科學。本書詳細介紹了商業數據科學中的關鍵元素，匯集了機器學習、經濟學以及統計學領域的核心原則和很好實踐，內容涵蓋識別商業政策中的重要變量、通過實驗測量這些變量，以及挖掘社交媒體以了解公眾對于政策修改的反應，為從事商業數據科學的數據科學家和商業人士提供了推薦工具。書中通過大量數據分析示例講解如何利用R語言編寫腳本來解決復雜的數據科學問題。
數據科學與商業分析 用機器學習與統計學優化商業決策 目錄
對本書的贊譽
獻詞
前言
常見符號的標準用法
第0章 引言 1
從兩張圖說起 1
大數據與機器學習 4
計算 6
第 1章 不確定性 14
1．1 頻率不確定性和bootstrap方法 14
1．2 假設檢驗和錯誤發現率控制 25
1．3 貝葉斯推斷 33
第 2章 回歸 37
2．1 線性模型 37
2．2 邏輯回歸 46
2．3 偏差與似然 49
2．4 ◆回歸不確定性 53
2．5 空間和時間 56
第3章 正則化 64
3．1 樣本外預測效果 64
3．2 正則化方法 68
3．3 模型選擇 77
3．4 ◆lasso的不確定性量化 87
第4章 分類 94
4．1 *近鄰 94
4．2 概率、成本和分類 97
4．3 多元邏輯回歸 102
4．4 分布式多元回歸 106
4．5 分布式與大數據 110
第5章 實驗 114
5．1 隨機控制試驗 115
5．2 近似實驗設計 125
5．3 ◆工具變量 135
第6章 控制 143
6．1 條件可忽略性與線性處理效果 143
6．2 高維混淆變量調整 146
6．3 ◆樣本分割與正交機器學習 148
6．4 異質性處理效果 152
6．5 合成控制法 164
第7章 分解 167
7．1 聚類 167
7．2 因子模型和主成分分析 173
7．3 主成分回歸 180
7．4 偏*小二乘法 184
第8章 文本作為數據 189
8．1 分詞 190
8．2 文本回歸 194
8．3 主題模型 194
8．4 多元逆回歸 200
8．5 協同過濾 204
8．6 詞嵌入技術 206
第9章 非參數方法 209
9．1 決策樹 210
9．2 隨機森林 216
9．3 因果關系樹 224
9．4 半參數方法與高斯過程 228
第 10章 人工智能 233
10．1 什么是人工智能 233
10．2 通用機器學習 237
10．3 深度學習 240
10．4 ◆SGD 244
10．5 強化學習 248
10．6 商業環境中的人工智能 251
獻詞
前言
常見符號的標準用法
第0章 引言 1
從兩張圖說起 1
大數據與機器學習 4
計算 6
第 1章 不確定性 14
1．1 頻率不確定性和bootstrap方法 14
1．2 假設檢驗和錯誤發現率控制 25
1．3 貝葉斯推斷 33
第 2章 回歸 37
2．1 線性模型 37
2．2 邏輯回歸 46
2．3 偏差與似然 49
2．4 ◆回歸不確定性 53
2．5 空間和時間 56
第3章 正則化 64
3．1 樣本外預測效果 64
3．2 正則化方法 68
3．3 模型選擇 77
3．4 ◆lasso的不確定性量化 87
第4章 分類 94
4．1 *近鄰 94
4．2 概率、成本和分類 97
4．3 多元邏輯回歸 102
4．4 分布式多元回歸 106
4．5 分布式與大數據 110
第5章 實驗 114
5．1 隨機控制試驗 115
5．2 近似實驗設計 125
5．3 ◆工具變量 135
第6章 控制 143
6．1 條件可忽略性與線性處理效果 143
6．2 高維混淆變量調整 146
6．3 ◆樣本分割與正交機器學習 148
6．4 異質性處理效果 152
6．5 合成控制法 164
第7章 分解 167
7．1 聚類 167
7．2 因子模型和主成分分析 173
7．3 主成分回歸 180
7．4 偏*小二乘法 184
第8章 文本作為數據 189
8．1 分詞 190
8．2 文本回歸 194
8．3 主題模型 194
8．4 多元逆回歸 200
8．5 協同過濾 204
8．6 詞嵌入技術 206
第9章 非參數方法 209
9．1 決策樹 210
9．2 隨機森林 216
9．3 因果關系樹 224
9．4 半參數方法與高斯過程 228
第 10章 人工智能 233
10．1 什么是人工智能 233
10．2 通用機器學習 237
10．3 深度學習 240
10．4 ◆SGD 244
10．5 強化學習 248
10．6 商業環境中的人工智能 251
展開全部
數據科學與商業分析 用機器學習與統計學優化商業決策 作者簡介
Matt Taddy，美國經濟學家、數據科學家。現任亞馬遜北美首席經濟學家、大名鼎鼎的亞馬遜經濟學家團隊Central Economics Team VP。曾任芝加哥大學布斯商學院計量經濟學和統計學教授，明星教師，開創了數據科學課程。曾任微軟商務人工智能首席研究員、eBay研究員。
書友推薦
- >
史學評論
- >
推拿
- >
煙與鏡
- >
有舍有得是人生
- >
莉莉和章魚
- >
月亮虎
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
