数据科学中的实用统计学（第2版）

作者简介

彼得·布鲁斯（Peter Bruce），Statistics.com统计学教育学院创办人兼院长，重采样统计软件Resampling Stats的开发者，美国统计协会职业发展咨询委员会成员。 安德鲁·布鲁斯（Andrew Bruce），亚马逊数据科学家、华盛顿大学统计学博士，拥有30余年的统计学和数据科学经验。 彼得·格德克（Peter Gedeck），数据科学家，拥有30余年的科学计算和数据科学经验，善于开发机器学习算法。

内容简介

1.以通俗易懂的方式，从数据科学的角度系统的阐释重要且实用的统计学概念，介绍如何将各种统计方法应用于数据科学中； 2.运用清晰的解释和丰富的示例，将实用的统计学术语与数据挖掘实践相结合，适用于数据科学的入门初学者； 3.相比于上一版，本书新增了更多Python和R语言示例，读者可以更深入的了解如何在数据科学项目中正确运用各种统计方法； 4.通过本书，你将掌握以下知识： 为什么探索性数据分析是开启数据科学任务的关键一步 随机抽样如何降低偏差并提高数据集的质量 实验设计原则如何针对问题生成确定性答案 如何使用回归方法估计结果并检测异常 用于预测记录所属类别的主要分类方法 从数据中“学习”的统计机器学习方法 从未标记的数据中提取信息的无监督学习方法