本书介绍数据分析的统计基础、种类划分,并列举大量实例以说明数据分析方法和算法。内容主要分 为4部分,第1部分为第1章,介绍一些概念,简单描述数据分析方法和一些实例; 第2部分包括第2~7 章,介绍描述性分析和数据预处理的主要方法,包括描述统计、多元描述分析、聚类以及频繁模式挖掘等; 第3部分包括第8~12章,介绍预测性分析的主要方法,其中包括多种回归算法、二元回归、分类的性能测 量以及基于概率和距离测量的方法,以及决策树、人工神经网络和支持向量机等较为先进的方法; 第4部 分为第13章,利用描述和预测这两种方法,简单讨论文本、网页以及社交媒体的应用。

前言 我们生活在这样一个历史时期，信息开始可以即时获得，服务是根据个人标准定制的，人们可以做让自己感觉良好的事情（如果不危及自己的生命的话）。每年，机器能够做得越来越多，我们的生活质量也得以提高，比以往任何时候都有更多的数据可用，而且将越来越多。这是一个我们可以从数据中提取比以往任何时候都多的信息并从中受益更多的时期。 在不同业务领域和不同机构中，不断出现新的数据收集方法。旧文件被数字化，新的传感器计算高速公路上来往的车辆并提取有用的信息，智能手机每时每刻都在通知我们所在的位置、可能的新机会以及和我们相关的社交网络或我们喜欢的东西。 无论我们在哪个领域工作，都有新数据可用： 学生如何评价教授的数据，每个病人疾病进化和最佳治疗方案的数据，能提高粮食的产量和质量的湿度、气候和土壤数据，有助于财富公平分配的宏观经济、投资和股票市场指标数据，能以更低价格和更高效率购买商品的数据，等等。 许多专业的学生都感受到了利用他们所拥有数据的必要性。在世界范围内，从生物学到信息科学，从工程学到经济学，从社会科学到农学，许多专业都开设了数据分析的新课程。 数据分析方面最早的一些书籍出现在几年前，都是数据科学家为其他数据科学家或数据科学专业学生编写的，对这些课程感兴趣的多数人都是计算机和统计学学生，之前的数据分析书籍主要是面向他们的。到了今天，对数据分析感兴趣的人越来越多。经济学、管理、生物、医药、社会学、工程以及其他专业的学生都有学习数据分析的意愿，本书不仅要为计算机和统计学学生提供一本新的、更友好的教科书，也要向那些可能对计算或统计学一无所知、但想以简单的方式学习这些学科的学生介绍数据分析。那些已经学习过统计学的人会了解本书中描述的一些内容，如描述性统计； 计算机专业的学生则会对伪代码非常熟悉。 读完这本书，你可能不会觉得自己像一个有能力创造新方法的数据科学家，但希望你能觉得自己像一个数据分析从业者，能够驱动一个数据分析项目，使用正确的方法解决实际问题。 乔·门德斯·莫雷拉（Joo Mendes Moreira） 安德烈·卡瓦略（André de Carvalho） 托马斯·霍瓦斯（Tom Horvth）

版权图片链接