目录

●前言1
第1章什么是模型？5
算法与模型有什么不同？10
术语说明12
模型的局限性13
建模中的统计与计算15
数据训练16
交叉验证17
为什么使用R语言？18
优点19
缺点22
小结23
第2章监督学习与无监督机器学习25
监督模型26
回归26
训练数据与测试数据28
分类30
混合方法37
无监督学习47
无监督聚类方法48
小结50
第3章R语言中的采样统计和模型训练52
偏差53
R语言中的采样58
训练与测试61
交叉验证74
小结76
第4章全面解析回归78
线性回归79
多项式回归88
拟合数据的优点——过度拟合的风险95
逻辑回归98
小结112
第5章全面解析神经网络115
单层神经网络115
用R语言建立一个简单的神经网络116
多层神经网络125
回归神经网络131
神经网络分类136
使用caret的神经网络137
小结139
第6章基于树的方法141
简单的树模型141
决定树的分割方式143
决策树的优点和缺点147
条件推理树158
随机森林161
小结164
第7章其他高级方法165
朴素贝叶斯分类165
主成分分析169
支持向量机179
k最近邻算法185
小结191
第8章使用caret包实现机器学习192
泰坦尼克号数据集193
使用caret196
小结207
附录Acaret机器学习模型大全209