书名：基于R语言的机器学习
定价：58.0
ISBN：9787519825850
作者：[美]斯科特（Scott V. Burger）
版次：1
出版时间：2018-12

内容提要：
■ 介绍机器学习领域的模型、算法和数据训练。 ■ 了解监督和非监督机器学习算法。 ■ 针对模型使用的数据进行统计验证。 ■ 深入了解商业和科学中使用的线性回归模型。 ■ 使用单层和多层神经网络计算结果。 ■ 介绍基于树的模型的工作原理，以及流行的决策树。 ■ 了解R语言中机器学习的生态环境。 ■ 介绍R语言提供的强大的工具caret包。

目录：
前言 1 *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 *2章 监督学习与无监督机器学习 25 监督模型 26

前言 1 *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 *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*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*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caret  196 小结  207 附录A caret机器学习模型大全 209

显示全部信息