應(yīng)用預(yù)測建模

目錄譯者序前言第1章導(dǎo)論11預(yù)測與解釋12預(yù)測模型的關(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)場景15概述16符號第一部分一般策略第2章預(yù)測建模過程簡介21案例分析：預(yù)測燃油效能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單個預(yù)測變量數(shù)據(jù)變換33多個預(yù)測變量數(shù)據(jù)變換34處理缺失值35移除預(yù)測變量36增加預(yù)測變量37區(qū)間化預(yù)測變量38計算習(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4K近鄰75計算習(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7Cubist88計算習(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112評估預(yù)測類113評估類概率114計算第12章判別分析和其他線性分類模型121案例分析：預(yù)測是否成功申請經(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5K近鄰 136樸素貝葉斯137計算習(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6C50147比較兩種分類預(yù)測變量編碼方式148計算習(xí)題第15章經(jīng)費(fèi)申請模型的總結(jié)第16章對嚴(yán)重類失衡的補(bǔ)救方法161案例分析: 預(yù)測房車保險所有權(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計算第18章衡量預(yù)測變量重要性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計算習(xí)題第19章特征選擇介紹191使用無信息預(yù)測變量的結(jié)果192減少預(yù)測變量個數(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)測認(rèn)知損傷197計算習(xí)題第20章影響模型表現(xiàn)的因素201第Ⅲ類錯誤202結(jié)果變量的測量誤差203預(yù)測變量的測量誤差204連續(xù)變量離散化205模型預(yù)測何時是可信的206大樣本的影響207計算習(xí)題附錄附錄A各種模型的總結(jié)附錄BR語言介紹附錄C值得關(guān)注的網(wǎng)站參考文獻(xiàn)