簡介

Chapter 1 進行預測的兩種基本演算法
為什麼這兩種演算法這麼好用？
什麼是懲罰迴歸方法？
什麼是整體方法？
如何選擇演算法
建構預測模型的步驟
章節的內容與彼此的關係
總結

Chapter 2 藉由瞭解資料來瞭解問題
剖析新問題
分類問題：使用聲納來偵測未爆水雷
將“岩石與水雷”資料集的屬性視覺化
使用因素變數來做實值預測：你的鮑魚多大了？
使用實值屬性來做實值預測：算出酒的口感
多類別分類問題：那是哪一種玻璃？
總結

Chapter 3 建構預測模型：在效能、複雜度與巨量資料之間取得平衡
基本問題：瞭解函數逼近
影響演算法選擇與效能的因素—複雜性與資料
評量預測模型的效能
讓模型與資料和諧共存
總結

Chapter 4 懲罰線性迴歸
為什麼懲罰線性迴歸很好用
懲罰線性迴歸：最佳效能的一般線性迴歸
解決懲罰線性迴歸問題
使用輸值輸入來延伸線性迴歸
總結

Chapter 5 使用懲罰線性方法來建構預測模型
Python 的懲罰線性迴歸套件
多變數迴歸：預測酒味
二元分類：使用懲罰線性迴歸來偵測未爆水雷
多類別分類：分類犯罪現場的玻璃樣本
總結

Chapter 6 整體方法
二元決策樹
Bootstrap Aggregation :“Bagging”
Gradient Boosting
Random Forest
總結

Chapter 7 使用 Python 來建構整體模型
使用 Python 整體套件來處理迴歸問題
編寫 Bagging 來預測酒的品質
在 Python 整體模型中，使用非數值屬性
使用 Python 整體方法來處理二元分類問題
使用 Python 整體方法來處理多類別分類問題
演算法比較
總結

索引

簡介

Chapter 1 進行預測的兩種基本演算法
為什麼這兩種演算法這麼好用？
什麼是懲罰迴歸方法？
什麼是整體方法？
如何選擇演算法
建構預測模型的步驟
章節的內容與彼此的關係
總結

Chapter 2 藉由瞭解資料來瞭解問題
剖析新問題
分類問題：使用聲納來偵測未爆水雷
將“岩石與水雷”資料集的屬性視覺化
使用因素變數來做實值預測：你的鮑魚多大了？
使用實值屬性來做實值預測：算出酒的口感
多類別分類問題：那是哪一種玻璃？
總結

Chapter 3 建構預測模型：在效能、複雜度與巨量資料...