譯者序
前言
緻謝
第1章引言
參考文獻
第2章處理信息與認識數據
2.1例1：2006年齣生數據
2.2例2：校友捐贈
2.3例3：橘子汁
參考文獻
第3章標準綫性迴歸
3.1用R函數估算綫性迴歸模型
3.2例1：汽車燃油效率
3.3例2：豐田二手車價格
附錄3.A模型過度擬閤對迴歸預測均方誤差的影響
參考文獻
第4章局部多項式迴歸的非參數迴歸方法
4.1模型的選擇
4.2密度估計和直方圖平滑化的應用
4.3多重迴歸模型的拓展
4.4例題和軟件
4.4.1例1：老忠實噴泉
4.4.2例2：NOx排放物
參考文獻
第5章簡約在統計建模中的重要性
5.1怎樣防止低假陽率
參考文獻
第6章多參數迴歸模型中基於懲罰算法的變量選擇
6.1例1：前列腺癌
6.2例2：橙汁
參考文獻
第7章Logistic迴歸
7.1對二分類響應數據建立綫性模型
7.2Logistic迴歸模型中迴歸係數的解釋
7.3統計推斷
7.4對新樣例的分類
7.5用R語言估計
7.6例1：死刑數據
7.6.1二分類Logistic迴歸：Minitab程序輸齣
7.6.2R語言輸齣結果的解釋與分析
7.7例2：延誤的航班
7.8例3：貸款驗收
7.9例4：德國信貸數據
參考文獻
第8章二元分類、概率和分類性能的評價
8.1二元分類
8.2使用概率作決策
8.3靈敏度和特異度
8.4例子：德國信貸數據
第9章最近鄰分析分類
9.1k近鄰算法
9.2例1：玻璃碎片的法醫分析
9.3例2：德國信貸數據
參考文獻
第10章樸素貝葉斯分析：一種由以分類為主的變量對分類響應變量預測的模型
10.1例：航班延誤
參考文獻
第11章多項式Logistic迴歸
11.1計算軟件
11.2例1：玻璃碎片的法醫分析
11.3例2：重溫玻璃碎片的法醫分析
附錄11.A簡單三重矩陣的詳述
參考文獻
第12章分類和判彆分析的深入探討
12.1Fisher綫性判彆函數
12.2例1：德國信用卡數據
12.3例2：Fisher鳶尾花數據
12.4例3：玻璃碎片的法醫分析數據
12.5例4：MBA申請數據
參考文獻
第13章決策樹
13.1例1：前列腺癌
13.2例2：摩托車加速度
13.3例3：迴顧Fisher鳶尾花數據集
第14章迴歸、分類樹、計算軟件及其他實用分類方法的深入探討
14.1有關樹結構的R程序包
14.2卡方自動交互檢驗
14.3集成方法：Bagging算法、Boosting算法和隨機森林
14.4支持嚮量機
14.5神經網絡
14.6R程序包：關於數據挖掘的一個有用的圖形用戶界麵
參考文獻
第15章聚類
15.1k均值聚類
15.2另眼看聚類：將期望最大化算法應用於混閤正態分布
15.2.1E步
15.2.2M步
15.3層次聚類過程
參考文獻
第16章購物籃分析：關聯規則和提升度
16.1例1：在綫廣播
16.2例2：收入預測
參考文獻
第17章降維：因子模型和主成分分析
17.1例1：歐洲蛋白質的攝入數據
17.2例2：月度失業率數據
第18章帶多重共綫性輸入的降維迴歸：主成分迴歸和偏最小二乘法
18.1三個例子
18.1.1例1：模擬數據
18.1.2例2：基於50個州的曆史失業率預測某州下個月的失業率
18.1.3例3：預測下月失業率：比較不同方法樣本外預測效果
參考文獻
第19章文本數據：文本挖掘和情感分析
19.1逆多項式Logistic迴歸
19.2例1：餐館評論
19.3例2：政治主張
附錄19.AGentzkow／Shapiro關於“slant”的估計和偏最小二乘的關係
參考文獻
第20章網絡數據
20.1例1：15世紀佛羅倫薩的婚姻與權力
20.2例2：友誼網絡的連接
參考文獻
附錄A練習
附錄B參考文獻
· · · · · · (收起)