机器学习与R言语是一册涵盖机器学习核默算法手册www 91porn com,由好意思国模范员布雷特·兰茨编辑。本书内容丰富详确,通过丰富的本体案例来探索若何诈欺r来进行实践宇宙问题的机器学习,若何从数据中取得不错付诸动作的细察力。通过阅读本书,你将学到:用r准备用于机器学习的数据,用r进行数据探索和数据可视化,用k近领法度进行数据分类,用线性转头展望数值型数据等等,绝顶适当对机器学习和R言语感兴味的用户下载阅读。
内容先容《机器学习与R言语》涵盖的内容第1章先容了用来界说和远隔机器学习算法的术语和想法,并给出了将学习任务与顺应算法相匹配的法度。第2章先容若何诈欺R来惩办数据,进行数据的探索分析和数据可视化;第3~9章先容典型的机器学习算法,包括k隔邻分类算法、朴素贝叶斯算法、决议树和法规树、转头展望、黑盒算法——神经汇集和支撑向量机、关联分析、k均值聚类,并给出无数的本体案例和详备的分析法子,举例乳腺癌的判断、垃圾短信的过滤、贷款负约的展望、毒蘑菇的判别、医疗用度的展望、建筑用混凝土强度的展望、光学字符的识别、超市购物篮关联分析以及市集细分等;第10章先容模子性能评价的旨趣和法度;第11章给出训诲模子性能的几种常用法度;第12章参谋用R进行机器学习时可能遭受的一些高等专题,如罕见面容的数据、大数据集的处理、并行缱绻和GPU缱绻等工夫。章节目次保举序
译者序
绪言
对于审稿东谈主
第1章 机器学习简介1
1.1 机器学习的发祥1
1.2 机器学习的使用与遽然3
1.2.1 机器学习的告捷使用3
1.2.2 机器学习的收尾4
1.2.3 机器学习的伦理方面5
1.3 机器若何学习6
1.3.1 数据存储7
1.3.2 详细化7
1.3.3 一般化9
1.3.4 评估10
1.4 奉行中的机器学习11
亚洲在线视频自拍精品1.4.1 输入数据的类型11
1.4.2 机器学习算法的类型12
1.4.3 为输入数据匹配算法14
1.5 使用R进行机器学习15
1.5.1 安设R添加包15
1.5.2 载入和卸载R添加包16
1.6 总结16
第2章 数据的惩办和清醒18
2.1 R数据结构18
2.1.1 向量18
2.1.2 因子20
2.1.3 列表21
2.1.4 数据框23
2.1.5 矩阵和数组25
2.2 用R惩办数据27
2.2.1 保存、载入和移除R数据结构27
2.2.2 用CSV文献导入和保存数据28
2.3 探索和清醒数据29
2.3.1 探索数据的结构29
2.3.2 探索数值变量30
2.3.3 探索分类变量38
2.3.4 探索变量之间的关系40
2.4 总结43
第3章 懒惰学习—使用隔邻分类44
3.1 清醒隔邻分类44
3.1.1 kNN算法45
3.1.2 为什么kNN算法是懒惰的50
3.2 例子—用kNN算法会诊乳腺癌51
3.2.1 第1步—收罗数据51
3.2.2 第2步—探索和准备数据52
3.2.3 第3步—基于数据历练模子55
3.2.4 第4步—评估模子的性能56
3.2.5 第5步—训诲模子的性能57
3.3 总结59
第4章 概率学习—朴素贝叶斯分类60
4.1 清醒朴素贝叶斯60
4.1.1 贝叶斯法度的基本想法61
4.1.2 朴素贝叶斯算法65
4.2 例子—基于贝叶斯算法的手机垃圾短信过滤69
4.2.1 第1步—收罗数据69
4.2.2 第2步—探索和准备数据70
4.2.3 第3步—基于数据历练模子81
4.2.4 第4步—评估模子的性能82
4.2.5 第5步—训诲模子的性能83
4.3 总结84
第5章 分而治之—诈欺决议树和法规进行分类85
5.1 清醒决议树85
5.1.1 分而治之86
5.1.2 C5.0决议树算法89
5.2 例子—使用C5.0决议树识别高风险银行贷款91
5.2.1 第1步—收罗数据92
5.2.2 第2步—探索和准备数据92
5.2.3 第3步—基于数据历练模子94
5.2.4 第4步—评估模子的性能97
5.2.5 第5步—训诲模子的性能97
5.3 清醒分类法规101
5.3.1 落寞而治之101
5.3.2 1R算法103
5.3.3 RIPPER算法104
5.3.4 来自决议树的法规105
5.3.5 什么使决议树和法规贪心106
5.4 例子—诈欺法规学习算法识别有毒的蘑菇108
5.4.1 第1步—收罗数据108
5.4.2 第2步—探索和准备数据108
5.4.3 第3步—基于数据历练模子109
5.4.4 第4步—评估模子的性能111
5.4.5 第5步—训诲模子的性能112
5.5 总结114
第6章 展望数值型数据—转头法度115
6.1 清醒转头115
6.1.1 浅薄线性转头117
6.1.2 平凡最小二乘估量119
6.1.3 商酌性120
6.1.4 多元线性转头121
6.2 例子—诈欺线性转头展望医疗用度124
6.2.1 第1步—收罗数据124
6.2.2 第2步—探索和准备数据125
6.2.3 第3步—基于数据历练模子129
6.2.4 第4步—评估模子的性能131
6.2.5 第5步—训诲模子的性能132
6.3 清醒转头树和模子树134
6.4 例子—用转头树和模子树估量葡萄酒的质地136
6.4.1 第1步—收罗数据137
6.4.2 第2步—探索和准备数据137
6.4.3 第3步—基于数据历练模子139
6.4.4 第4步—评估模子的性能142
6.4.5 第5步—训诲模子的性能143
6.5 总结145
第7章 黑箱法度—神经汇集和支撑向量机147
7.1清醒神经汇集147
7.1.1从生物神经元到东谈主工神经元148
7.1.2激活函数149
7.1.3汇集拓扑151
7.1.4用后向传播历练神经汇集154
7.2例子—用东谈主工神经汇集对混凝土的强度进行建模155
7.2.1第1步—收罗数据155
7.2.2第2步—探索和准备数据156
7.2.3第3步—基于数据历练模子157
7.2.4第4步—评估模子的性能159
7.2.5第5步—训诲模子的性能159
7.3清醒支撑向量机161
7.3.1用超平面分类161
7.3.2对非线性空间使用核函数164
7.4例子—用支撑向量机进行光学字符识别166
7.4.1第1步—收罗数据166
7.4.2第2步—探索和准备数据167
7.4.3第3步—基于数据历练模子168
7.4.4第4步—评估模子的性能170
7.4.5第5步—训诲模子的性能171
7.5总结172
第8章 探寻步地—基于关联法规的购物篮分析173
8.1清醒关联法规173
8.1.1用于关联法规学习的Apriori算法174
8.1.2度量法规兴味度—支撑度和置信度175
8.1.3用Apriori原则设立法规176
8.2例子—用关联法规笃定频繁扫数购买的食物杂货177
8.2.1第1步—收罗数据177
8.2.2第2步—探索和准备数据178
8.2.3第3步—基于数据历练模子183
8.2.4第4步—评估模子的性能185
8.2.5第5步—训诲模子的性能187
8.3总结190
第9章 寻找数据的分组—k均值聚类191
9.1清醒聚类191
9.1.1聚类—一种机器学习任务192
9.1.2k均值聚类算法193
9.2例子—用k均值聚类探寻青少年市集细分198
9.2.1第1步—收罗数据199
9.2.2第2步—探索和准备数据199
9.2.3第3步—基于数据历练模子203
9.2.4第4步—评估模子的性能205
9.2.5第5步—训诲模子的性能207
9.3总结208
使用证实1、下载并解压,得出pdf文献
2、若是打不开本文献,请务必下载pdf阅读器
3、安设后,在翻开解压得出的pdf文献
4、双击进行阅读www 91porn com