使用 R 进行机器学习
Machine Learning with R – Fourth Edition
了解如何使用机器学习和 R 解决现实世界的数据问题
购买印刷版或 Kindle 书籍包括免费的 PDF 格式电子书。
主要特征
- 畅销 R 机器学习书籍 10 周年纪念版，更新了 R 4.0.0 及更高版本的 50% 新内容
- 利用 R 的力量构建灵活、有效和透明的机器学习模型
- 通过机器学习专家 Brett Lantz 的这份清晰的实践指南快速学习
书籍简介
机器学习的核心是将数据转化为可操作的知识。R 提供了一套强大的机器学习方法，可以快速轻松地从数据中获得洞察力。
Machine Learning with R，第四版，为将机器学习应用于现实世界的问题提供了实用、易于理解和可读的指南。无论您是经验丰富的 R 用户还是语言新手，Brett Lantz 都会教您数据预处理、发现关键见解、做出新预测以及可视化您的发现所需的一切知识。这个 10 周年纪念版包含几个新章节，反映了过去几年机器学习的进展，帮助您培养数据科学技能并解决更具挑战性的问题，包括制作成功的机器学习模型和高级数据准备，培养更好的学习者，以及利用大数据。
您还会发现这本经典的 R 数据科学书籍已更新到 R 4.0.0，其中包含更新更好的库、关于机器学习中的伦理和偏见问题的建议，以及深度学习的介绍。无论您是想迈出使用 R 进行机器学习的第一步，还是要确保您的技能和知识是最新的，这都是一本不容错过的读物，它将帮助您从数据中找到强大的新见解。
你将学到什么
- 了解机器学习从原始数据到实现的端到端过程
- 使用最近邻和贝叶斯方法对重要结果进行分类
- 使用决策树、规则和支持向量机预测未来事件
- 使用回归方法预测数值数据并估算财务价值
- 使用人工神经网络对复杂过程建模
- 使用 tidyverse 准备、转换和清理数据
- 评估您的模型并提高其性能
- 将 R 连接到 SQL 数据库和新兴的大数据技术，例如 Spark、Hadoop、H2O 和 TensorFlow
本书的读者对象
本书旨在帮助数据科学家、精算师、数据分析师、金融分析师、社会科学家、商业和机器学习学生，以及任何其他需要清晰易懂的 R 机器学习指南的从业者。否 R经验是必需的，尽管事先接触过统计和编程是有帮助的。
目录
- 介绍机器学习
- 管理和理解数据
- 惰性学习——使用最近邻分类
- 概率学习——使用朴素贝叶斯进行分类
- 分而治之——使用决策树和规则进行分类
- 预测数值数据——回归方法
- 黑盒方法——神经网络和支持向量机
- 寻找模式——使用关联规则的购物篮分析
- 查找数据组——使用 k-means 聚类
- 评估模型性能
- 通过机器学习取得成功
- 高级数据准备
- 具有挑战性的数据——太多、太少、太复杂
- 培养更好的学习者
- 利用大数据
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)