Fundamentals of Machine Learning for Predictive Data Analytics Algorithms, Worked Examples, and Case

主要内容: 本书介绍了机器学习在预测数据分析中的基本原理、算法、实例和案例研究，涵盖了从数据到决策的整个过程。书中涉及机器学习项目生命周期的各个方面，包括数据准备、特征设计和模型部署。

结构: 本书分为五个部分，共计14章和若干附录：

1. 引言 (Introduction to Machine Learning and Data Analytics)

   • 机器学习在预测数据分析中的应用
   • 从数据到洞察再到决策
   • 数据探索和数据准备

2. 预测数据分析 (Predictive Data Analytics)

   • 信息基础学习（决策树）
   • 相似性基础学习（最近邻）
   • 概率基础学习（贝叶斯）
   • 错误基础学习（回归）
   • 深度学习

3. 超越预测 (Beyond Prediction)

   • 无监督学习
   • 强化学习

4. 案例研究和结论 (Case Studies and Conclusions)

   • 客户流失预测案例
   • 银河分类案例
   • 机器学习艺术

5. 附录 (Appendices)

   • 描述性统计和数据可视化
   • 概率介绍
   • 微分技术

   • 结构: 本书分为五个部分，共计14章和若干附录：

   • 引言 (Introduction to Machine Learning and Data Analytics)

     • 机器学习在预测数据分析中的应用
     • 从数据到洞察再到决策
     • 数据探索和数据准备

   • 预测数据分析 (Predictive Data Analytics)

     • 信息基础学习（决策树）
     • 相似性基础学习（最近邻）
     • 概率基础学习（贝叶斯）
     • 错误基础学习（回归）
     • 深度学习

   • 超越预测 (Beyond Prediction)

     • 无监督学习
     • 强化学习

   • 案例研究和结论 (Case Studies and Conclusions)

     • 客户流失预测案例
     • 银河分类案例
     • 机器学习艺术

   • 附录 (Appendices)

     • 描述性统计和数据可视化
     • 概率介绍
     • 微分技术
     • 线性代数

参考资料

• 本书的更多内容和资源可以在以下网站找到：www.machinelearningbook.com