一折机器学习经典入门书籍（含英文电子版）

Posted 2021-04-03 書市

好久没有更新了

给热爱学习的大家发一个“福利”吧~

推荐一本机器学习的经典入门书：

Applied Predictive Modeling

该书豆瓣得分高达9.3

 

豆瓣短评摘录

全新中文版一折！

荐书作为“福利”肯定是不够的啦

于是乎~

書市商城

一折（￥9.9）

出售该书

全新中文版

《应用预测建模》

重要的事情说三遍 

一折、一折、一折哦

商城内搜索

“应用预测建模”

库存有限 欲购从速

書市

友情提示：

1、大家可先下单，开学前（2月20号始）取书~~

2、书籍封面可能有轻微折痕

机器学习

作为一门兼具理论和实践的定量方法论，机器学习（Machine Learning）日益成为显学，在包括工商管理在内的众多领域都有广泛的应用。

工商管理各个专业长期被人诟病“太软”，妥妥的“软科学”，学不到“硬”知识。

“太软”主要是因为学习到的各种概念和原理缺少定量分析工具的加持。

讨论问题时多为定性分析，公说公有理、婆说婆有理，难以指导企业的经营实践。

在如今的大数据时代，机器学习进入工商管理领域，让工商管理学科的“腰”挺起来！

机器学习是数学、统计学和计算机科学的交叉学科，听起来非常高深。 

但我们主要是学习和理解机器学习的各种方法，并使用计算机语言（如Python或R）运用这些方法解决企业经营中的各种问题。

我们不需要特意去专研那些方法背后的数学或开发和编写新的算法。

这样大大降低了学习的难度。

因此，我们需要这样一本轻数学理论，重实际应用，从实际数据出发，结合计算机语言来求解实际问题的入门书。

Predictive Modeling

书名中Predictive Modeling的意思是预测建模，这和机器学习有什么关系？

这里需要理解一些概念。

机器学习有三大主要功能：

• Descriptive Analytics

• Predictive Analytics

• Prescriptive Analytics

Descriptive Analytics指描述性分析，通过各种统计和图形方法探索数据中包含的信息。

粗略地说，相当于统计学中的探索性数据分析（Exploratory Data Analysis，EDA）。

由于数据是对已经发生过的现象和事件的记录和描述，因此Descriptive Analytics说的是过去发生了什么 – 所谓的Hindsight（后知后觉）。

Predictive Analytics意为预测分析，指通过探究事物之间的规律建立模型以预测未来。

因此，Predictive Analytics说的是将来会怎么样 – 所谓的Insight（事物洞察）。

Prescriptive Analytics被译为规范分析，乍一看不知所云。

我们看看Prescriptive这个词就能明白它的意思。

Prescriptive是形容词，其动词是Prescribe，意为给…开(药)、 开处方；Prescription则是名词，意为处方、药方。

Prescriptive Analytics就是为实现某些目标提出相应的行动建议和解决方案。 

因此，Prescriptive Analytics说的是为实现计划和目标应该怎么做 –– 所谓的Foresight（先知先觉）。

这三类Analytics之间是一种递进的关系，后面的分析往往建立在前述分析的基础之上。

进行Predictive Analytics之前需要做描述性分析。

只有充分了解过去，才能更好地预测未来。

Prescriptive Analytics则是基于Predictive Analytics的预测结果提出可行的实施方案。

细想来，确定问题、分析数据、建立模型、预测未来，不正是为解决企业经营中各种实际问题所需要的步骤吗？

机器学习中各种回归和分类技术，简单如线性回归聚类分析，复杂如神经网络深度学习，本质上都是预测方法。

 

从这个意义上说，Predictive Analytics是整个机器学习的核心，预测建模和机器学习两种说法殊途同归。

 

因此，虽然书名有一定“误导”，Applied Predictive Modeling确是一本关于机器学习的方法和应用的入门好书。

書市

关于Analytics及Business Analytics，请参见往期推文《》

相关阅读：《》

作者 & 内容简介

本书两位作者Max Kuhn和Kjell Johnson

• 在药物研发行业有20多年统计咨询和预测建模经验

• 曾分别担任辉瑞全球研发非临床统计部主任和辉瑞全球研发统计部主任

本书专注于预测建模的实际应用，介绍从数据预处理到建模再到模型评估和选择的整个过程，以及背后的统计思想，涉及各种回归技术和分类技术。

读者可以从中学到许多建模方法以及提高对许多常用的、现代的有效模型的认识，如线性回归、非线性回归和分类模型，涉及树方法、支持向量机等。

作者意在为实践者提供预测建模过程的指导，比如如何进行数据预处理、模型调优、预测变量重要性度量、变量选择等，并结合开源软件R语言来求解实际问题。

R包AppliedPredictiveModeling包含书中例题和习题使用的数据，以及用于fuzhi书中每一章分析的R代码，让读者能重复本书的结果，并将书中的预测建模方法应用到自己的数据上。

英文电子版

中文版比英文原版易读，但译文较原文总会有表达不清甚至不准确的地方，还多少会有些翻译腔。

我们因此贴心地附送该书的英文电子版： 

• 自行下载&阅读

文 | Beagles

版 | Collie

图片来自作者和网络

▇ 書市

 一家有温度的大学生书籍交易

和学习交流服务平台