譯者序 前言 第1章 導(dǎo)論 1.1 預(yù)測(cè)與解釋 1.2 預(yù)測(cè)模型的關(guān)鍵部分 1.3 專業(yè)術(shù)語 1.4 實(shí)例數(shù)據(jù)集和典型數(shù)據(jù)場(chǎng)景 1.5 概述 1.6 符號(hào) 第一部分 一般策略 第2章 預(yù)測(cè)建模過程簡介 2.1 案例分析：預(yù)測(cè)燃油效能 2.2 主題 2.3 總結(jié) 第3章 數(shù)據(jù)預(yù)處理 3.1 案例分析：高內(nèi)涵篩選中的細(xì)胞分組 3.2 單個(gè)預(yù)測(cè)變量數(shù)據(jù)變換 3.3 多個(gè)預(yù)測(cè)變量數(shù)據(jù)變換 3.4 處理缺失值 3.5 移除預(yù)測(cè)變量 3.6 增加預(yù)測(cè)變量 3.7 區(qū)間化預(yù)測(cè)變量 3.8 計(jì)算 習(xí)題 第4章 過度擬合與模型調(diào)優(yōu) 4.1 過度擬合的問題 4.2 模型調(diào)優(yōu) 4.3 數(shù)據(jù)分割 4.4 重抽樣技術(shù) 4.5 案例分析：信用評(píng)分 4.6 選擇調(diào)優(yōu)參數(shù)值 4.7 數(shù)據(jù)劃分建議 4.8 不同模型間的選擇 4.9 計(jì)算 習(xí)題 第二部分 回歸模型 第5章 衡量回歸模型的效果 5.1 模型效果的定量度量 5.2 方差偏差的權(quán)衡 5.3 計(jì)算 第6章 線性回歸及其擴(kuò)展 6.1 案例分析：定量構(gòu)效關(guān)系建模 6.2 線性回歸 6.3 偏最小二乘法 6.4 懲罰模型 6.5 計(jì)算 習(xí)題 第7章 非線性回歸模型 7.1 神經(jīng)網(wǎng)絡(luò) 7.2 多元自適應(yīng)回歸樣條 7.3 支持向量機(jī) 7.4 K近鄰 7.5 計(jì)算 習(xí)題 第8章 回歸樹與基于規(guī)則的模型 8.1 簡單回歸樹 8.2 回歸模型樹 8.3 基于規(guī)則的模型 8.4 裝袋樹 8.5 隨機(jī)森林 8.6 助推法 8.7 Cubist 8.8 計(jì)算 習(xí)題 第9章 溶解度模型總結(jié) 第10章 案例研究：混凝土混合物的抗壓強(qiáng)度 10.1 模型構(gòu)建策略 10.2 模型性能 10.3 優(yōu)化抗壓強(qiáng)度 10.4 計(jì)算 第三部分 分類模型 第11章 分類模型的效果度量 11.1 類預(yù)測(cè) 11.2 評(píng)估預(yù)測(cè)類 11.3 評(píng)估類概率 11.4 計(jì)算 第12章 判別分析和其他線性分類模型 12.1 案例分析：預(yù)測(cè)是否成功申請(qǐng)經(jīng)費(fèi) 12.2 邏輯回歸 12.3 線性判別分析 12.4 偏最小二乘判別分析 12.5 懲罰模型 12.6 最近收縮質(zhì)心 12.7 計(jì)算 習(xí)題 第13章 非線性分類模型 13.1 非線性判別分析 13.2 神經(jīng)網(wǎng)絡(luò) 13.3 靈活判別分析 13.4 支持向量機(jī) 13.5 K近鄰 13.6 樸素貝葉斯 13.7 計(jì)算 習(xí)題 第14章 分類樹與基于規(guī)則的模型 14.1 基本的分類樹 14.2 基于規(guī)則的模型 14.3 裝袋決策樹 14.4 隨機(jī)森林 14.5 助推法 14.6 C5.0 14.7 比較兩種分類預(yù)測(cè)變量編碼方式 14.8 計(jì)算 習(xí)題 第15章 經(jīng)費(fèi)申請(qǐng)模型的總結(jié) 第16章 對(duì)嚴(yán)重類失衡的補(bǔ)救方法 16.1 案例分析: 預(yù)測(cè)房車保險(xiǎn)所有權(quán) 16.2 類失衡的影響 16.3 模型調(diào)優(yōu) 16.4 選擇截點(diǎn) 16.5 調(diào)整先驗(yàn)概率 16.6 不等案例權(quán)重 16.7 抽樣方法 16.8 成本敏感度訓(xùn)練 16.9 計(jì)算 習(xí)題 第17章 案例研究：作業(yè)調(diào)度 17.1 數(shù)據(jù)切分和模型策略 17.2 結(jié)果 17.3 計(jì)算 第18章 衡量預(yù)測(cè)變量重要性 18.1 數(shù)值結(jié)果變量 18.2 分類結(jié)果變量 18.3 其他方法 18.4 計(jì)算 習(xí)題 第19章 特征選擇介紹 19.1 使用無信息預(yù)測(cè)變量的結(jié)果 19.2 減少預(yù)測(cè)變量個(gè)數(shù)的方法 19.3 繞封法 19.4 過濾法 19.5 選擇偏差 19.6 案例分析：預(yù)測(cè)認(rèn)知損傷 19.7 計(jì)算 習(xí)題 第20章 影響模型表現(xiàn)的因素 20.1 第Ⅲ類錯(cuò)誤 20.2 結(jié)果變量的測(cè)量誤差 20.3 預(yù)測(cè)變量的測(cè)量誤差 20.4 連續(xù)變量離散化 20.5 模型預(yù)測(cè)何時(shí)是可信的 20.6 大樣本的影響 20.7 計(jì)算 習(xí)題 附錄 附錄A 各種模型的總結(jié) 附錄B R語言介紹 附錄C 值得關(guān)注的網(wǎng)站 參考文獻(xiàn)