●章 白話數據科學11.1 什麼是數據科學31.2 什麼是數據科學家51.2.1 數據科學家需要的技能61.2.2 數據科學算法總結101.3 數據科學可以解決什麼問題201.3.1 前提要求201.3.2 問題種類221.4 小結25第2章 數據集262.1 服裝消費者數據262.2 航空公司滿意度調查332.3 生豬疫情風險預測數據37第3章 數據分析流程413.1 從問題到數據423.2 從數據到信息443.3 從信息到行動46第4章 數據預處理474.1 介紹474.2 數據清理504.3 缺失值填補524.3.1 中位數或眾數填補534.3.2 K-近鄰填補544.3.3 裝袋樹填補564.4 中心化和標量化564.5 有偏分布594.6 處理離群點634.7 共線性664.8 稀疏變量704.9 編碼名義變量714.10 小結73第5章 數據操作755.1 數據讀寫765.1.1 取代傳統數據框的tibble對像765.1.2 高效數據讀寫：readr包805.1.3 數據表對像讀取835.2 數據整合915.2.1 base包：apply()915.2.2 plyr包：ddply()函數935.2.3 dplyr包965.3 數據整形1025.3.1 reshape2包1025.3.2 tidyr包1055.4 小結107第6章 基礎建模技術1096.1 有監督和無監督1096.2 誤差及其來源1116.2.1 繫統誤差和隨機誤差1116.2.2 因變量誤差1176.2.3 自變量誤差1216.3 數據劃分和再抽樣1226.3.1 劃分訓練集和測試集1236.3.2 重抽樣1316.4 小結135第7章 模型評估度量1367.1 回歸模型評估度量1367.2 分類模型評估度量1397.2.1 Kappa統計量1417.2.2 ROC曲線1437.2.3 提升圖1457.3 小結146第8章 特征工程1488.1 特征構建1498.2 特征提取1528.2.1 初步探索特征1538.2.2 主成分分析1588.2.3 探索性因子分析1638.2.4 高維標度化1678.2.5 知識擴展：3種降維特征提取方法的理論1718.3 特征選擇1778.3.1 過濾法1788.3.2 繞封法1888.4 小結195第9章 線性回歸及其衍生1969.1 普通線性回歸1979.1.1 最小二乘線性模型1979.1.2 回歸診斷2019.1.3 離群點、高杠杆點和強影響點2049.2 收縮方法2059.2.1 嶺回歸2059.2.2 Lasso2099.2.3 彈性網絡2129.3 知識擴展：LASSO的變量選擇功能2139.4 主成分和偏最小二乘回歸2159.5 小結2210章 廣義線性模型壓縮方法22210.1 初識GLMNET22310.2 收縮線性回歸22710.3 邏輯回歸23510.3.1 普通邏輯回歸23510.3.2 收縮邏輯回歸23610.3.3 知識擴展：群組lasso邏輯回歸23910.4 收縮多項回歸24310.5 泊松收縮回歸24610.6 小結2491章 樹模型25011.1 分裂準則25211.2 樹的修剪25611.3 回歸樹和決策樹26011.4 裝袋樹26811.5 隨機森林27311.6 助推法27711.7 知識擴展：助推法的可加模型框架28311.8 知識擴展：助推樹的數學框架28611.8.1 數學表達28611.8.2 梯度助推數值優化28911.9 小結2902章 神經網絡29212.1 投影尋蹤回歸（PROJECTION PURSUIT REGRESSION）29312.2 神經網絡（NEURAL NETWORKS）29612.3 神經網絡擬合29912.4 訓練神經網絡30012.5 用CARET包訓練神經網絡30212.6 小結311參考文獻312
數據科學家目前是北美很熱門的職業之一，平均年薪突破1。但數據科學並不是一個低門檻的行業，除了對數學、統計、計算機等相關領域的技術要求以外，還要相關應用領域的知識。本書的寫作對像是那些現在從事數據分析相關行業，或者之後想從事數據分析行業的人，意在為實踐者提供數據科學家這門職業的相關信息。讀者可以從閱讀中了解到數據科學能解決的問題，數據科學家需要的技能，及背後的“分析哲學”。對於新手而言，一開始就直奔艱深的理論，很容易因為困難而失去興趣很終放棄。因此本書倡導的是一種循序漸進的啟發教學路徑，著重在於數據科學的實際應用，讓讀者能夠重復書中的結果，學習數據分析技能優選的方式是實踐！為了平衡理論和應用，書中包括了一些選學小節，用來介紹更多的模型數理背景或給出必要的參考資料來源。抽絲剝繭介紹技術內核，幫助大家知其然，同時知其所以然。希望筆者在北美從事數據科學工作多年踏遍大大小小不計其數的坑換來的等
