別怕，統計學其實很簡單

第1章　為什麼要懂點統計學
1.1 這些統計問題，你會做嗎 2
1.2 統計學可以幫到你 6
1.3 到底什麼是統計學 10

第2章　描述統計基礎
2.1 基本概念 14
2.2 數據預處理 17
2.3 繪製統計圖表 21

第3章　推斷統計基礎
3.1 常見的幾種概率分佈 28
3.2 相關分析與回歸分析基礎 34

第4章　描述性統計分析
4.1 描述性統計分析基礎 40
4.2 頻數分佈分析：用統計圖解決倫敦霍亂 40
4.3 關注資料代表性：統計學家改良轟炸機 44
4.4 異常值分析：1號店提升行銷精准率 48
4.5 對比分析：折線圖指導購房者尋找合算房價 52
4.6 描述性統計分析概述：泰坦尼克號生還數據 55

第5章　相關分析與回歸分析
5.1 相關分析與回歸分析概述 60
5.2 矩陣分解：價值百萬美元的Netflix推薦系統 61
5.3 一元線性回歸：引發金融危機的風險價值模型 64
5.4 評分系統：星巴克選址借力大數據 68
5.5 相關與回歸概述：航空乘客數量預測 71

第6章　關聯分析與聚類分析
6.1 關聯分析與聚類分析概述 78
6.2 購物籃分析：啤酒與尿布的經典案例 79
6.3 序列模式挖掘：Web訪問模式説明電商優化網站 83
6.4 快速聚類：通過分類降低客戶退貨率 87
6.5 層次聚類：為鳶尾花分類 91
6.6 關聯與聚類綜述：加州極客的聚類分析把妹法 95

第7章　決策樹與模式識別
7.1 C4.5演算法：電信客戶流失預測 100
7.2 自組織神經網路：最優路徑和旅行商問題 105
7.3 貝葉斯決策：神奇的谷歌智能翻譯 110
7.4 支持向量機：應用廣泛的手寫辨識與語音辨識 114
7.5 判別分析：電信行業構建客戶流失模型 119
7.6 模式識別綜述：日趨成熟的信用評分模型 124

第8章　更多的資料採擷演算法
8.1 核密度估計法：警務大資料預測犯罪 130
8.2 Flu Trends：“穀歌流感趨勢”幫助控制疫情 134
8.3 Apriori演算法：透視美國國會投票模式 137
8.4 SVD簡化資料：IBM軟體自動生成新菜譜 142
8.5 文本分析：垃圾郵件過濾系統 146
8.6 AdaBoost元演算法：偵測欺詐交易 150