别怕，统计学其实很简单

第1章　为什么要懂点统计学
1.1 这些统计问题，你会做吗 2
1.2 统计学可以帮到你 6
1.3 到底什么是统计学 10
第2章　描述统计基础
2.1 基本概念 14
2.2 数据预处理 17
2.3 绘制统计图表 21
第3章　推断统计基础
3.1 常见的几种概率分布 28
3.2 相关分析与回归分析基础 34
第4章　描述性统计分析
4.1 描述性统计分析基础 40
4.2 频数分布分析：用统计图解决伦敦霍乱 40
4.3 关注数据代表性：统计学家改良轰炸机 44
4.4 异常值分析：1号店提升营销精准率 48
4.5 对比分析：折线图指导购房者寻找合算房价 52
4.6 描述性统计分析概述：泰坦尼克号生还数据 55
第5章　相关分析与回归分析
5.1 相关分析与回归分析概述 60
5.2 矩阵分解：价值百万美元的Netflix推荐系统 61
5.3 一元线性回归：引发金融危机的风险价值模型 64
5.4 评分系统：星巴克选址借力大数据 68
5.5 相关与回归概述：航空乘客数量预测 71
第6章　关联分析与聚类分析
6.1 关联分析与聚类分析概述 78
6.2 购物篮分析：啤酒与尿布的经典案例 79
6.3 序列模式挖掘：Web访问模式帮助电商优化网站 83
6.4 快速聚类：通过分类降低客户退货率 87
6.5 层次聚类：为鸢尾花分类 91
6.6 关联与聚类综述：加州极客的聚类分析把妹法 95
第7章　决策树与模式识别
7.1 C4.5算法：电信客户流失预测 100
7.2 自组织神经网络：最优路径和旅行商问题 105
7.3 贝叶斯决策：神奇的谷歌智能翻译 110
7.4 支持向量机：应用广泛的手写识别与语音识别 114
7.5 判别分析：电信行业构建客户流失模型 119
7.6 模式识别综述：日趋成熟的信用评分模型 124
第8章　更多的数据挖掘算法
8.1 核密度估计法：警务大数据预测犯罪 130
8.2 Flu Trends：“谷歌流感趋势”帮助控制疫情 134
8.3 Apriori算法：透视美国国会投票模式 137
8.4 SVD简化数据：IBM软件自动生成新菜谱 142
8.5 文本分析：垃圾邮件过滤系统 146
8.6 AdaBoost元算法：侦测欺诈交易 150