第 1章 如何聽起來像數(shù)據(jù)科學(xué)家1

1.1　什么是數(shù)據(jù)科學(xué)　3

1.1.1　基本的專業(yè)術(shù)語　3

1.1.2　為什么是數(shù)據(jù)科學(xué)　4

1.1.3　案例：西格瑪科技公司　4

1.2　數(shù)據(jù)科學(xué)韋恩圖　5

1.2.1　數(shù)學(xué)　7

1.2.2　計算機(jī)編程　8

1.2.3　為什么是Python　9

1.2.4　領(lǐng)域知識　13

1.3　更多的專業(yè)術(shù)語　14

1.4　數(shù)據(jù)科學(xué)案例　15

1.4.1　案例：自動審核政府文件　16

1.4.2　案例：市場營銷費用　17

1.4.3　案例：數(shù)據(jù)科學(xué)家的崗位描述　18

1.5　總結(jié)　21



第　2章 數(shù)據(jù)的類型　23

2.1　數(shù)據(jù)的味道　23

2.2　為什么要進(jìn)行區(qū)分　24

2.3　結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)　24

2.4　定量數(shù)據(jù)和定性數(shù)據(jù)　28

2.4.1　案例：咖啡店數(shù)據(jù)　28

2.4.2　案例：世界酒精消費量　30

2.4.3　更深入的研究　32

2.5　簡單小結(jié)　33

2.6　數(shù)據(jù)的4個尺度　33

2.6.1　定類尺度　34

2.6.2　定序尺度　35

2.6.3　定距尺度　37

2.6.4　定比尺度　41

2.7　數(shù)據(jù)是旁觀者的眼睛　42

2.8　總結(jié)　43



第3章　數(shù)據(jù)科學(xué)的5個步驟　44

3.1　數(shù)據(jù)科學(xué)簡介　44

3.2　5個步驟概覽　45

3.2.1　提出有意思的問題　45

3.2.2　獲取數(shù)據(jù)　45

3.2.3　探索數(shù)據(jù)　45

3.2.4　數(shù)據(jù)建�！�46

3.2.5　可視化和分享結(jié)果　46

3.3　探索數(shù)據(jù)　46

3.3.1　數(shù)據(jù)探索的基本問題　47

3.3.2　數(shù)據(jù)集1：Yelp點評數(shù)據(jù)　48

3.3.3　數(shù)據(jù)集2：泰坦尼克　56

3.4　總結(jié)　60



第4章　基本的數(shù)學(xué)知識　61

4.1　數(shù)學(xué)學(xué)科　61

4.2　基本的數(shù)學(xué)符號和術(shù)語　62

4.2.1　向量和矩陣　62

4.2.2　算術(shù)符號　65

4.2.3　圖表　68

4.2.4　指數(shù)/對數(shù)　69

4.2.5　集合論　71

4.3　線性代數(shù)　74

4.4　總結(jié)　78



第5章　概率論入門：不可能，還是不太可能　79

5.1　基本的定義　79

5.2　概率　80

5.3　貝葉斯VS頻率論　81

5.4　復(fù)合事件　84

5.5　條件概率　86

5.6　概率定理　87

5.6.1　加法定理　87

5.6.2　互斥性　88

5.6.3　乘法定理　88

5.6.4　獨立性　89

5.6.5　互補(bǔ)事件　89

5.7　再進(jìn)一步　91

5.8　總結(jié)　92



第6章　高等概率論　93

6.1　互補(bǔ)事件　93

6.2　重溫貝葉斯思想　94

6.2.1　貝葉斯定理　94

6.2.2　貝葉斯定理的更多應(yīng)用　97

6.3　隨機(jī)變量　100

6.3.1　離散型隨機(jī)變量　101

6.3.2　連續(xù)型隨機(jī)變量　110

6.4　總結(jié)　113



第7章　統(tǒng)計學(xué)入門　114

7.1　什么是統(tǒng)計學(xué)　114

7.2　如何獲取數(shù)據(jù)　115

7.3　數(shù)據(jù)抽樣　118

7.3.1　概率抽樣　118

7.3.2　隨機(jī)抽樣　119

7.3.3　不等概率抽樣　120

7.4　如何描述統(tǒng)計量　120

7.4.1　測度中心　120

7.4.2　變異測度　121

7.4.3　變異系數(shù)　125

7.4.4　相對位置測度　126

7.5　經(jīng)驗法則　132

7.6　總結(jié)　134



第8章　高等統(tǒng)計學(xué)　135

8.1　點估計　135

8.2　抽樣分布　139

8.3　置信區(qū)間　142

8.4　假設(shè)檢驗　145

8.4.1　實施假設(shè)檢驗　146

8.4.2　單樣本t檢驗　147

8.4.3　I型錯誤和II型錯誤　151

8.4.4　分類變量的假設(shè)檢驗　151

8.5　總結(jié)　155



第9章　交流數(shù)據(jù)　156

9.1　為什么交流數(shù)據(jù)很重要　156

9.2　識別有效和無效的可視化　157

9.2.1　散點圖　157

9.2.2　折線圖　159

9.2.3　條形圖　160

9.2.4　直方圖　162

9.2.5　箱形圖　163

9.3　當(dāng)圖表和統(tǒng)計在說謊　166

9.3.1　相關(guān)性VS因果關(guān)系　166

9.3.2　辛普森悖論　168

9.3.3　如果相關(guān)性不等于因果關(guān)系，那什么導(dǎo)致了因果關(guān)系　169

9.4　語言交流　170

9.4.1　關(guān)鍵在于講故事　170

9.4.2　正式場合的注意事項　170

9.5　為什么演示、如何演示和演示策略　171

9.6　總結(jié)　172



第　10章 機(jī)器學(xué)習(xí)精要：你的烤箱在學(xué)習(xí)嗎　173

10.1　什么是機(jī)器學(xué)習(xí)　173

10.2　機(jī)器學(xué)習(xí)并不完美　175

10.3　機(jī)器學(xué)習(xí)如何工作　176

10.4　機(jī)器學(xué)習(xí)的分類　176

10.4.1　監(jiān)督學(xué)習(xí)　177

10.4.2　無監(jiān)督學(xué)習(xí)　182

10.4.3　強(qiáng)化學(xué)習(xí)　183

10.5　統(tǒng)計模型如何納入以上分類　186

10.6　線性回歸　186

10.6.1　增加更多預(yù)測因子　191

10.6.2　回歸指標(biāo)　193

10.7　Logistic回歸　199

10.8　概率、幾率和對數(shù)幾率　201

10.9　啞變量　206

10.10　總結(jié)　210



第　11章 樹上無預(yù)言，真的嗎　212

11.1　樸素貝葉斯分類　212

11.2　決策樹　220

11.2.1　計算機(jī)如何生成回歸樹　221

11.2.2　計算機(jī)如何擬合分類樹　222

11.3　無監(jiān)督學(xué)習(xí)　226

11.3.1　無監(jiān)督學(xué)習(xí)的使用場景　226

11.3.2　K均值聚類　227

11.3.3　如何選擇最佳的K值，并對簇進(jìn)行評價　233

11.4　特征提取和主成分分析　235

11.5　總結(jié)　246



第　12章 超越精要　247

12.1　偏差-方差權(quán)衡　247

12.1.1　偏差導(dǎo)致的誤差　248

12.1.2　方差導(dǎo)致的誤差　248

12.1.3　兩種極端的偏差-方差權(quán)衡情況　255

12.1.4　偏差-方差如何組成誤差函數(shù)　256

12.2　K層交叉驗證　257

12.3　網(wǎng)格搜索算法　261

12.4　集成技術(shù)　266

12.4.1　隨機(jī)森林　268

12.4.2　隨機(jī)森林VS決策樹　273

12.5　神經(jīng)網(wǎng)絡(luò)　274

12.6　總結(jié)　279



第　13章 案例　280

13.1　案例1：基于社交媒體預(yù)測股票價格　280

13.1.1　文本情感分析　280

13.1.2　探索性數(shù)據(jù)分析　281

13.1.3　超越案例　294

13.2　案例2：為什么有些人會對配偶撒謊　295

13.3　案例3：初試TensorFlow　301

13.4　總結(jié)　311