Data Science i uczenie maszynowe

• Druk: Warszawa, 2017
• Autor: Marcin Szeliga
• Wydawca: Wydawnictwo Naukowe PWN

Książka przedstawia uczenie maszynowe w ujęciu praktycznym. Przeprowadzając opisane w niej eksperymenty data science poznamy zastosowanie reguł statystycznych i algorytmów uczenia maszynowego do rozwiązywania konkretnych problemów. Takie podejście oznacza, że studenci informatyki oraz specjaliści — analitycy, informatycy i bazodanowcy — zdobędą nie tylko teoretyczną wiedzę, ale również umiejętność jej praktycznego wykorzystania w codziennej pracy.

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Ebooki »
  3. Ebooki popularnonaukowe i specjalistyczne »
  4. Informatyka
• Język wydania: polski
• ISBN: 978-83-01-19324-9
• ISBN druku: 978-83-01-19232-7
• Liczba stron: 400

Wstęp  XVII
	O czym jest ta książka? XVII
	Data science 	 XVIII
	Uczenie maszynowe 	XX
	Dla kogo jest ta książka? XXI
	Narzędzia  XXII
	Usługa Azure ML XXIII
	Język R 	XXIV
	Microsoft R Open XXV
	Przykładowe dane 	XXVI
	Konwencje i oznaczenia XXVI
1. Uczenie maszynowe jako element eksperymentów data science  1
	1.1. Eksploracja danych jako technika wspomagania decyzji 	 2
	1.2. Modelowanie 4
	1.3. Wiedza i proces uczenia  6
	1.4. Hipotezy 	 9
	1.5. Założenia eksperymentu data science  10
	1.6. Dwa typy analiz 12
	1.7. Data science jako metoda naukowa  12
	1.8. Przykładowy eksperyment – optymalizacja kampanii marketingowej 	 14
		1.8.1. Zrozumienie problemu i określenie celów eksperymentu  15
		1.8.2. Zrozumienie danych  16
		1.8.3. Wstępne przetwarzanie danych  17
		1.8.4. Modelowanie 18
		1.8.5. Ocena 18
		1.8.6. Wdrożenie 	20
	Podsumowanie 	 23
2. Ocena przydatności danych  25
	2.1. Dane źródłowe		26
	2.2. Zmienne  27
		2.2.1. Rozkład częstości zmiennych  30
		2.2.2. Graficzna prezentacja danych	 42
		2.2.3. Korelacje (związki między zmiennymi)  44
	2.3. Reprezentatywność danych  50
	2.4. Duplikaty 	54
	2.5. Szeregi czasowe 56
	Podsumowanie 	63
3. Wstępne przetwarzanie danych 	 65
	3.1. Uzupełnianie brakujących danych  66
	3.2. Poprawianie błędnych danych  71
	3.3. Zmienne numeryczne 	 71
		3.3.1. Instalowanie dodatkowych bibliotek R w Azure ML  72
		3.3.2. Wartości nietypowe (odstające)  73
		3.3.3. Normalizacja 	 75
		3.3.4. Dyskretyzacja  77
	3.4. Zmienne kategoryczne  78
		3.4.1. Problem jakości danych tekstowych  79
		3.4.2. Uogólnienie (generalizacja)  80
		3.4.3. Numerowanie stanów 	81
		3.4.4. Zmienne porządkowe 	83
	3.5. Szeregi czasowe 83
	3.6. Wyrażenia języka naturalnego  89
	3.7. Redukcja wymiarów 	 94
		3.7.1. Usuwanie zmiennych na podstawie ich zdolności predykcyjnych  95
		3.7.2. Analiza głównych składowych (PCA) 	 97
	Podsumowanie 	99
4. Wzbogacanie danych 101
	4.1. Równoważenie danych  102
		4.1.1. Usunięcie części przykładów większościowych 	103
		4.1.2. Nadpróbkowanie  104
	4.2. Zmienne wyliczeniowe  106
	4.3. Zastąpienie zmiennych wspólnym rozkładem prawdopodobieństwa  108
	4.4. Wydzielenie danych testowych 	111
		4.4.1. Szeregi czasowe  115
		4.4.2. Modele rekomendujące	 116
		4.4.3. Modele wykrywania oszustw  116
	4.5. Wzorzec eksperymentu data science 	 116
	Podsumowanie 	117
5. Klasyfikacja 	 119
	5.1. Klasyfikacja poprzez indukcję drzew decyzyjnych  121
		5.1.1. Drzewa decyzyjne – definicja 	 121
		5.1.2. Pojedyncze drzewa decyzyjne  124
		5.1.3. Kombinacje drzew decyzyjnych  126
	5.2. Klasyfikacja z użyciem maszyny wektorów nośnych	141
		5.2.1. Przetwarzanie języka naturalnego przy użyciu maszyny wektorów nośnych 	 143
		5.2.2. Modele maszyny wektorów nośnych i lokalnie głębokiej maszyny wektorów nośnych 	 152
	5.3. Klasyfikacja probabilistyczna  153
		5.3.1. Sieć Bayesa 	157
		5.3.2. Maszyna punktów Bayesa  159
	5.4. Inne klasyfikatory dostępne w Studiu Azure ML 	 161
		5.4.1. Inne klasyfikatory – omówienie  161
		5.4.2. Modele eksploracji danych w języku R 	 163
	5.5. Klasyfikatory binarne a klasyfikacja wieloklasowa  164
	5.6. Wykrywanie oszustw jako przykład klasyfikacji binarnej  167
		5.6.1. Oznaczenie obserwacji  167
		5.6.2. Zrównoważenie danych i wydzielenie danych testowych 	 169
		5.6.3. Wzbogacenie danych 	 169
	Podsumowanie 	172
6. Regresja 	173
	6.1. Model regresji wielorakiej 	 179
		6.1.1 Wieloraka regresja liniowa  181
		6.1.2. Estymacja bayesowska modelu regresji liniowej 	 183
	6.2. Zmienne kategoryczne w modelach regresji 	 185
		6.2.1. Regresja Poissona  186
		6.2.2. Regresja porządkowa  188
	6.3. Regresja kwantylowa  188
	6.4. Regresja poprzez indukcję drzew decyzyjnych  191
	6.5. Sztuczne sieci neuronowe 	 193
		6.5.1. Perceptron 198
		6.5.2. Sieci neuronowe a regresja  200
		6.5.3. Metody minimalizacji błędu	202
		6.5.4. Wsteczna propagacja błędów 	203
		6.5.5. Regresja z użyciem sieci neuronowej 	205
		6.5.6. Głębokie sieci neuronowe 	 209
	Podsumowanie 	218
7. Grupowanie (analiza skupień)  221
	7.1. Na czym polega grupowanie 	 221
	7.2. Algorytmy grupowania 	 225
		7.2.1. Grupowanie hierarchiczne  226
		7.2.2. Grupowanie iteracyjno-optymalizacyjne 	231
	7.3. Grupowanie w celu znajdowania podobnych obiektów  236
	7.4. Grupowanie w celu kompresji  239
	7.5. Wykrywanie anomalii 	 240
	Podsumowanie 	244
8. Rekomendowanie 	245
	8.1. Systemy rekomendujące 		245
	8.2. Odkrywanie asocjacji 	250
	8.3. Model Matchbox Recommender  258
		8.3.1. Rekomendowanie przez filtrowanie kolektywne  258
		8.3.2. Rekomendowanie przez filtrowanie cech przedmiotów i użytkowników (hybrydowe) 	 267
	Podsumowanie 	269
9. Prognozowanie 	271
	9.1. Szeregi czasowe 272
	9.2. Naiwne metody prognozowania 	 274
	9.3. Modele średniej ważonej 	 274
	9.4. Modele ARIMA 283
	9.5. Modele nieliniowe 	288
	9.6. Prognozowanie w Studiu Azure ML	 290
	Podsumowanie 	292
10. Ocena i poprawa jakości modeli  293
	10.1. Reguła powrotu do średniej 	 293
	10.2. Kryteria oceny modeli eksploracji danych  295
		10.2.1. Łatwość interpretacji 	296
		10.2.2. Trafność 296
		10.2.3. Wiarygodność  297
		10.2.4. Wydajność i skalowalność 	297
		10.2.5. Przydatność 	 297
	10.3. Ocena jakości modeli klasyfikacyjnych 	298
		10.3.1. Moduł Evaluate Model  298
		10.3.2. Macierz pomyłek 	299
		10.3.3. Krzywa ROC 	302
		10.3.4. Wykres precyzja w funkcji czułości i wykres zysku  304
		10.3.5. Trafność klasyfikacji  305
		10.3.6. Klasyfikatory wieloklasowe 	307
	10.4. Ocena jakości modeli regresyjnych  308
		10.4.1. Miary oceny modeli 	 308
		10.4.2. Walidacja krzyżowa  310
	10.5. Ocena jakości modeli grupujących  313
	10.6. Ocena jakości modeli rekomendujących 	 315
	10.7. Ocena jakości modeli prognozujących  317
	10.8. Porównanie jakości modeli  322
	10.9. Poprawa jakości modeli  326
		10.9.1. Automatyczna poprawa jakości modeli uczenia nadzorowanego  326
		10.9.2. Znalezienie optymalnej liczby klastrów 	 330
		10.10. Cykl życia eksperymentu data science 	 333
	Podsumowanie 	334
11. Publikacja modeli eksploracji danych jako usług WWW 	 339
	11.1. Wzorcowy eksperyment data science  340
	11.2. Predykcyjne usługi WWW  345
		11.2.1. Zapytania predykcyjne ad-hoc  348
		11.2.2. Wsadowe zapytania predykcyjne  349
Podsumowanie 	352
Bibliografia 	353
Dodatek A  361
Dodatek B  367