本站推荐
下载地址
书籍资料
- 内容简介
- 作者介绍
- 书籍目录
不善编程？数学太难？换种方式攀机器学习丛山！
十余种常用机器学习方法，打开Excel，一步一步轻松学！
◎ 本书特色
或许出乎你的意料，但Excel其实是帮助你入门机器学习的出色工具。与其他软件或编程语言不同，Excel不会隐藏模型构建过程，而会让你清晰地看到每一步。这有助于你直观地理解机器学习方法和数据挖掘技巧背后的原理。本书帮助你在不写代码、不记忆复杂数学公式的情况下，牢固地掌握机器学习的核心概念。
◎ 内容简介
本书通过Excel示例介绍常用的机器学习算法和数据挖掘技术。许多机器学习任务的目的是找到数据中的隐藏模式。Excel能够清楚地展示机器学习建模过程的每一步及中间结果，让你不仅知其然，还知其所以然。第1章解释用Excel学习机器学习的益处。第2～12章分别介绍线性回归、k均值聚类、线性判别分析、交叉验证、logistic回归、k最近邻、朴素贝叶斯分类、决策树、关联分析、神经网络、文本挖掘。第13章总结全书内容，并为读者指出继续学习的方向。
周红
周红博士是美国康涅狄格州圣约瑟夫大学计算机科学和数学教授，也曾在硅谷从事软件开发工作。作为经验丰富的教育工作者，他意识到利用Excel分步讲解机器学习方法和数据挖掘技巧的独特优势，并在实际教学过程中成功地引入Excel作为演示工具。这种教学方法颇受学生欢迎。
第1章Excel和数据挖掘1
1.1为什么选择Excel1
1.2Excel预备技巧4
1.2.1公式5
1.2.2自动填充或复制5
1.2.3绝对引用7
1.2.4选择性粘贴和值粘贴9
1.2.5IF函数11
1.3复习要点17
第2章线性回归18
2.1一般性理解18
2.2通过Excel学习线性回归22
2.3通过Excel学习多元线性回归25
2.4复习要点28
第3章k均值聚类29
3.1一般性理解29
3.2通过Excel学习k均值聚类30
3.3复习要点39
第4章线性判别分析40
4.1一般性理解40
4.2规划求解42
4.3通过Excel学习线性判别分析44
4.4复习要点53
第5章交叉验证和ROC曲线分析54
5.1对交叉验证的一般性理解54
5.2通过Excel学习交叉验证55
5.3对ROC曲线分析的一般性理解59
5.4通过Excel学习ROC曲线分析60
.5复习要点65
第6章logistic回归66
6.1一般性理解66
6.2通过Excel学习logistic回归67
6.3复习要点73
第7章k最近邻74
7.1一般性理解74
7.2通过Excel学习k最近邻75
7.2.1实验175
7.2.2实验278
7.2.3实验382
7.2.4实验485
7.3复习要点87
第8章朴素贝叶斯分类88
8.1一般性理解88
8.2通过Excel学习朴素贝叶斯分类90
8.2.1练习191
8.2.2练习294
8.3复习要点100
第9章决策树101
9.1一般性理解102
9.2通过Excel学习决策树105
9.2.1开始学习105
9.2.2更好的方法115
9.2.3应用模型118
9.3复习要点120
第10章关联分析121
10.1一般性理解122
10.2通过Excel学习关联分析124
10.3复习要点131
第11章人工神经网络132
11.1一般性理解132
11.2通过Excel学习人工神经网络134
11.2.1实验1134
11.2.2实验2143
11.3复习要点152
第12章文本挖掘153
12.1一般性理解153
12.2通过Excel学习文本挖掘155
12.3复习要点168
第13章后记169
相关资源
编程不难（全彩图解 + 微课 + Python编程）（鸢尾花数学大系：从加减乘除到机器学习）
2026-02-09
