本書基于R語言介紹了機器學(xué)習(xí)算法、統(tǒng)計方法和數(shù)據(jù)分析方法，讓讀者在邊學(xué)邊做的過程中學(xué)會解決實際問題。本書首先使用簡單易懂的例子來逐步解釋各種機器學(xué)習(xí)算法。接下來，介紹如何用R編寫腳本，這些腳本會應(yīng)用相關(guān)算法來解決實際數(shù)據(jù)中的問題。本書提供腳本代碼，讀者可利用相關(guān)腳本進行學(xué)習(xí)。

本書介紹了R語言、機器學(xué)習(xí)算法、統(tǒng)計方法和分析方法，用于讓讀者了解如何在數(shù)據(jù)中找到有趣的結(jié)構(gòu)，以及學(xué)會如何使用數(shù)據(jù)來解決復(fù)雜問題。通過簡單、易懂的例子逐步解釋各種機器學(xué)習(xí)算法是如何獨立于任何編程語言工作的。本書詳細介紹了用R編寫的腳本，并將這些腳本應(yīng)用于具有真實數(shù)據(jù)的復(fù)雜問題。提供了腳本代碼，允許讀者在學(xué)習(xí)時執(zhí)行腳本，涵蓋了多種機器學(xué)習(xí)技術(shù)的不同實現(xiàn)方式。本書既適合作為高校計算機及相關(guān)專業(yè)的教材，也適合作為IT技術(shù)人員的參考書。

前　　言
本書主要介紹R語言、機器學(xué)習(xí)算法、統(tǒng)計方法學(xué)和分析方法，以便讀者學(xué)會使用數(shù)據(jù)來解決復(fù)雜問題。本書有兩個主要目標(biāo)：
明確展示如何、為什么以及何時使用機器學(xué)習(xí)技術(shù)。
盡快為讀者提供成為R語言高效使用者所需的內(nèi)容。
本書的方法非常直接，可以稱之為“先看后做”，原因如下：
通過簡單易懂的示例，逐步解釋各種機器學(xué)習(xí)算法是如何獨立于任何編程語言工作的。
解釋了腳本的細節(jié)，這些腳本與包括第4版在內(nèi)的所有R語言的版本兼容，并且可以用來解決具有真實數(shù)據(jù)的復(fù)雜問題。本書已提供這些腳本，以便讀者在閱讀本書的解釋時，可以觀察這些腳本的執(zhí)行過程。
涵蓋了多種機器學(xué)習(xí)技術(shù)的不同實現(xiàn)方式。
提供了章末練習(xí)題，其中許多練習(xí)題可以通過修改現(xiàn)有腳本來解決。
本書中提供的一些腳本可以被視為解決問題的模板，稍作修改后可以反復(fù)使用。當(dāng)你對這些模板有了深入理解后，使用R將變得得心應(yīng)手。


目標(biāo)讀者

本書適合以下四種讀者群體：
學(xué)生：希望學(xué)習(xí)機器學(xué)習(xí)并渴望通過R語言進行實踐的學(xué)生。
教育工作者：決策科學(xué)、計算機科學(xué)、信息系統(tǒng)和信息技術(shù)領(lǐng)域的教育工作者，他們希望開設(shè)關(guān)于使用R語言進行機器學(xué)習(xí)和數(shù)據(jù)分析的單元、研討會或整套課程。
專業(yè)人員：需要了解如何將機器學(xué)習(xí)應(yīng)用于解決業(yè)務(wù)問題的專業(yè)人員。
應(yīng)用研究人員：希望將機器學(xué)習(xí)方法納入他們的問題解決和分析工具包中的研究人員。


如何使用本書

快速學(xué)習(xí)的最佳方式是觀察和實踐相結(jié)合。我們通過向你介紹超過50個用R編寫的腳本來提供這個機會。為了充分利用本書，你首先應(yīng)閱讀并逐步實踐第1章到第4章中提供的腳本，這些章節(jié)為使用R進行機器學(xué)習(xí)奠定了基礎(chǔ)。
學(xué)習(xí)第5章需要一些時間，因為它提供了豐富的信息，其中一些是統(tǒng)計性質(zhì)的。你將學(xué)習(xí)線性回歸、邏輯回歸以及樸素貝葉斯分類器。首先，你將學(xué)習(xí)如何使用訓(xùn)練集和測試集的場景進行模型評估，以及如何進行交叉驗證。在學(xué)習(xí)邏輯回歸時，你將學(xué)習(xí)如何創(chuàng)建混淆矩陣，以及如何創(chuàng)建和解釋接收器操作特性（ROC）曲線下面積。
一旦掌握了第5章，那么就可以按照任意順序?qū)W習(xí)第6章至第11章。唯一的例外是第7章應(yīng)該在第6章之后學(xué)習(xí)。第12章應(yīng)該最后學(xué)習(xí)，因為第12章提供了一個案例，可以深入了解整個知識的發(fā)現(xiàn)過程。


補充材料

正文中對所有用于示例和章末練習(xí)題的數(shù)據(jù)集及腳本都進行了詳細的描述。這些數(shù)據(jù)集來自多個領(lǐng)域，包括商業(yè)、健康和醫(yī)學(xué)以及科學(xué)。可以在下述兩個網(wǎng)址下載這些數(shù)據(jù)集和腳本：
CRC網(wǎng)站：https://www.crcpress.com/9780367439149。
https://krypton.mnsu.edu/~sa7379bt/。


致謝
非常感謝我的妻子蘇珊娜，感謝她一直以來的支持。

理查德·J. 羅杰（Richard J. Roiger）
明尼蘇達州立大學(xué)曼卡托分校的榮休教授，他在計算機與信息科學(xué)系從事教學(xué)和研究工作超過30年。羅杰博士于明尼蘇達大學(xué)獲得計算機與信息科學(xué)領(lǐng)域的博士學(xué)位。在機器學(xué)習(xí)和知識發(fā)現(xiàn)領(lǐng)域，他曾發(fā)表多篇會議論文和期刊論文。退休后，羅杰博士繼續(xù)擔(dān)任兼職教師，教授關(guān)于數(shù)據(jù)科學(xué)、人工智能和研究方法的課程。羅杰博士是明尼蘇達州退休教育協(xié)會的董事會成員，并擔(dān)任該協(xié)會的財務(wù)顧問。

目　　錄
譯者序
前言
第1章　機器學(xué)習(xí)導(dǎo)論1
1.1　機器學(xué)習(xí)、統(tǒng)計分析和數(shù)據(jù)科學(xué)1
1.2　機器學(xué)習(xí)：第一個示例2
1.2.1　屬性-值格式2
1.2.2　用于診斷疾病的決策樹3
1.3　機器學(xué)習(xí)策略5
1.3.1　分類5
1.3.2　估計6
1.3.3　預(yù)測6
1.3.4　無監(jiān)督聚類9
1.3.5　市場購物籃分析9
1.4　評估性能9
1.4.1　評估監(jiān)督模型10
1.4.2　二分類誤差分析10
1.4.3　評估數(shù)值輸出11
1.4.4　通過測量提升比較模型11
1.4.5　評估無監(jiān)督模型13
1.5　倫理問題14
1.6　本章小結(jié)14
1.7　關(guān)鍵術(shù)語15
練習(xí)題16
第2章　R語言簡介18
2.1　R語言和RStudio簡介18
2.1.1　R的特性19
2.1.2　安裝R19
2.1.3　安裝RStudio20
2.2　瀏覽RStudio21
2.2.1　控制臺21
2.2.2　源面板22
2.2.3　全局環(huán)境24
2.2.4　包28
2.3　數(shù)據(jù)在哪里29
2.4　獲取幫助和額外信息29
2.5　本章小結(jié)30
練習(xí)題30
相關(guān)安裝包和函數(shù)總結(jié)31
第3章　數(shù)據(jù)結(jié)構(gòu)和操作32
3.1　數(shù)據(jù)類型32
3.1.1　字符數(shù)據(jù)和因子33
3.2　單模式數(shù)據(jù)結(jié)構(gòu)34
3.2.1　向量34
3.2.2　矩陣和數(shù)組36
3.3　多模式數(shù)據(jù)結(jié)構(gòu)37
3.3.1　列表37
3.3.2　數(shù)據(jù)框38
3.4　編寫自己的函數(shù)39
3.4.1　寫一個簡單的函數(shù)39
3.4.2　條件語句41
3.4.3　迭代42
3.4.4　遞歸編程45
3.5　本章小結(jié)46
3.6　關(guān)鍵術(shù)語46
練習(xí)題46
相關(guān)安裝包和函數(shù)總結(jié)47
第4章　準(zhǔn)備數(shù)據(jù)48
4.1　知識發(fā)現(xiàn)的過程模型48
4.2　創(chuàng)建目標(biāo)數(shù)據(jù)集49
4.2.1　R與關(guān)系模型的接口49
4.2.2　目標(biāo)數(shù)據(jù)的其他來源52
4.3　數(shù)據(jù)預(yù)處理52
4.3.1　噪聲數(shù)據(jù) 52
4.3.2　使用R進行預(yù)處理53
4.3.3　檢測異常值54
4.3.4　缺失數(shù)據(jù)55
4.4　數(shù)據(jù)轉(zhuǎn)換56
4.4.1　數(shù)據(jù)歸一化56
4.4.2　數(shù)據(jù)類型轉(zhuǎn)換57
4.4.3　屬性和實例選擇57
4.4.4　創(chuàng)建訓(xùn)練集和測試集
　　　數(shù)據(jù)58
4.4.5　交叉驗證和自助法59
4.4.6　大規(guī)模數(shù)據(jù)59
4.5　本章小結(jié)59
4.6　關(guān)鍵術(shù)語60
練習(xí)題60
相關(guān)安裝包和函數(shù)總結(jié)61
第5章　監(jiān)督統(tǒng)計技術(shù)62
5.1　簡單線性回歸62
5.2　多元線性回歸66
5.2.1　多元線性回歸：一個示例67
5.2.2　評估數(shù)值輸出69
5.2.3　評估訓(xùn)練/測試集71
5.2.4　使用交叉驗證71
5.2.5　分類數(shù)據(jù)的線性回歸73
5.3　邏輯回歸78
5.3.1　變換線性回歸模型78
5.3.2　邏輯回歸模型79
5.3.3　R中的邏輯回歸79
5.3.4　創(chuàng)建混淆矩陣81
5.3.5　接收器操作特性曲線82
5.3.6　ROC曲線下面積85
5.4　樸素貝葉斯分類器85
5.4.1　貝葉斯分類器：一個示例85
5.4.2　零-值屬性計數(shù)87
5.4.3　缺失數(shù)據(jù)88
5.4.4　數(shù)值數(shù)據(jù)88
5.4.5　用樸素貝葉斯進行實驗90
5.5　本章小結(jié)93
5.6　關(guān)鍵術(shù)語94
練習(xí)題95
相關(guān)安裝包和函數(shù)總結(jié)97
第6章　基于樹的方法98
6.1　決策樹算法98
6.1.1　一種構(gòu)建決策樹的算法98
6.1.2　C4.5屬性選擇99
6.1.3　構(gòu)建決策樹的其他方法102
6.2　構(gòu)建決策樹：C5.0102
6.2.1　信用卡促銷的決策樹103
6.2.2　模擬客戶流失的數(shù)據(jù) 104
6.2.3　使用C5.0預(yù)測客戶流失104
6.3　構(gòu)建決策樹：rpart106
6.3.1　信用卡促銷的rpart決策樹 107
6.3.2　訓(xùn)練和測試rpart：流失
　　　數(shù)據(jù)109
6.3.3　交叉驗證rpart：流失數(shù)據(jù)113
6.4　構(gòu)建決策樹：J48113
6.5　用于提高性能的集成技術(shù)115
6.5.1　裝袋算法116
6.5.2　提升116
6.5.3　提升：C5.0的示例117
6.5.4　隨機森林117
6.6　回歸樹119
6.7　本章小結(jié)121
6.8　關(guān)鍵術(shù)語122
練習(xí)題122
相關(guān)安裝包和函數(shù)總結(jié)123
第7章　基于規(guī)則的技術(shù)124
7.1　從樹到規(guī)則 124
7.1.1　垃圾郵件數(shù)據(jù)集125
7.1.2　垃圾郵件分類：C5.0125
7.2　基本的覆蓋規(guī)則算法128
7.3　生成關(guān)聯(lián)規(guī)則130
7.3.1　置信度和支持度130
7.3.2　挖掘關(guān)聯(lián)規(guī)則：一個示例131
7.3.3　一般考慮事項134
7.3.4　Rweka的Apriori函數(shù)134
7.4　Rattle用戶界面137
7.5　本章小結(jié)143
7.6　關(guān)鍵術(shù)語144
練習(xí)題144
相關(guān)安裝包和函數(shù)總結(jié)145
第8章　神經(jīng)網(wǎng)絡(luò)146
8.1　前饋神經(jīng)網(wǎng)絡(luò)146
8.1.1　神經(jīng)網(wǎng)絡(luò)輸入格式147
8.1.2　神經(jīng)網(wǎng)絡(luò)輸出格式148
8.1.3　sigmoid評估函數(shù)149
8.2　神經(jīng)網(wǎng)絡(luò)訓(xùn)練：概念視角150
8.2.1　使用前饋網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)150
8.2.2　具有自組織映射的無監(jiān)督
　　　聚類150
8.3　神經(jīng)網(wǎng)絡(luò)解釋151
8.4　一般考慮事項152
8.4.1　優(yōu)勢152
8.4.2　劣勢152