第1章 概述 1
1.1名词演化 1
1.2基本内容 2
1.3数据智慧 4
第2章 线性回归方法 7
2.1多元线性回归 7
2.2压缩方法：岭回归与Lasso 16
2.3 Lasso模型的求解与理论性质 22
2.4损失函数加罚的建模框架 27
2.5上机实践：R 32
2.6上机实践：Python 40
第3章 线性分类方法 52
3.1分类问题综述与评价准则 52
3.2 Logistic回归 55
3.3线性判别 59
3.4上机实践：R 62
3.5上机实践：Python 72
第4章 模型评价与选择 80
4.1基本概念 80
4.2理论方法 83
4.3数据重利用方法 87
4.4上机实践：R 90
4.5上机实践：Python 97
第5章 决策树与组合方法 103
5.1决策树 103
5.2 Bagging 106
5.3 Boosting 111
5.4随机森林 125
5.5上机实践：R 127
5.6上机实践：Python 141
第6章 神经网络与深度学习 152
6.1神经网络 153
6.2深度信念网 165
6.3卷积神经网络 173
6.4上机实践：R 185
6.5上机实践：Python 192
第7章 支持向量机 217
7.1线性可分支持向量机 217
7.2软间隔支持向量机 220
7.3一些拓展 224
7.4上机实践：R 227
7.5上机实践：Python 229
第8章 聚类分析 238
8.1基于距离的聚类 238
8.2基于模型和密度的聚类 243
8.3稀疏聚类 247
8.4双向聚类 250
8.5上机实践：R 255
8.6上机实践：Python 262
第9章 推荐系统 269
9.1基于邻居的推荐 270
9.2潜在因子与矩阵分解算法 275
9.3上机实践：R 279
9.4上机实践：Python 284
第10章 大数据案例分析 286
10.1智能手机用户监测数据案例分析 286
10.2美国航空数据案例分析 300
10.3美国纽约公共自行车数据案例分析 314
参考文献 328