logo
QQ一键登录
分类于: 计算机基础 人工智能

简介

机器学习与R语言(原书第2版)

机器学习与R语言(原书第2版) 0.0分

资源最后更新于 2020-03-28 17:48:15

作者:〔美〕布雷特·兰茨(Brett Lantz)

译者:李洪成许金炜李舰

出版社:出版社机械工业出版社

出版日期:2017-03

ISBN:9787111553281

文件格式: pdf

标签: 人工智能 软件开发 机器学习 程序语言 数据科学与工程技术丛书

简介· · · · · ·

你可能以多种方式接触过机器学习的输出结果。当你阅读电子邮件时,垃圾邮件可能已经被某个机器学习算法(很可能是贝叶斯算法)过滤掉了;当你在网页上浏览时,你可能会看到一些广告,它们是由机器学习算法预测出的可能会吸引你的广告;当你申请贷款或者信用卡时,申请的批准与否取决于机器学习模型的输出结果;当有人盗取了你的信用卡时,发卡银行希望当该卡被用于欺诈消费时他们部署的机器学习算法能够识别出该类消费。布雷特·兰茨(Brett Lantz),在应用创新的数据方法来理解人类的行为方面有10余年经验。他最初是一名社会学家,在学习一个青少年社交网站分布的大型数据库时,他就开始陶醉于机器学习。从那时起,他致力于移动电话、医疗账单数据和公益活动等交叉学科的研究,并维护dataspelunking.com这个网站,该网站致力于分享有关探寻数据中所蕴含的洞察的知识。译者:李洪成,统计学博士,现为上海金融学院副教授,是SPSS统计分析软件和R语言专家。他的研究方向为金融统计和数据挖掘。他曾出版多本著作,并在专业杂志发表多篇论文,代表著作有《SPSS18数据分析基础与实践》、《SPSS数据分析教程》、《时间序列预测实践教程》,译著有《R语言经典实例》、《数据挖掘与R语言》、《金融数据分析导论:基于R语言》等。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 推荐序
  2. 译者序
  3. 前言
  4. 关于审稿人
  5. 第1章 机器学习简介
  6. 1.1 机器学习的起源
  7. 1.2 机器学习的使用与滥用
  8. 1.3 机器如何学习
  9. 1.4 实践中的机器学习
  10. 1.5 使用R进行机器学习
  11. 1.6 总结
  12. 第2章 数据的管理和理解
  13. 2.1 R数据结构
  14. 2.2 用R管理数据
  15. 2.3 探索和理解数据
  16. 2.4 总结
  17. 第3章 懒惰学习——使用近邻分类
  18. 3.1 理解近邻分类
  19. 3.2 例子——用kNN算法诊断乳腺癌
  20. 3.3 总结
  21. 第4章 概率学习——朴素贝叶斯分类
  22. 4.1 理解朴素贝叶斯
  23. 4.2 例子——基于贝叶斯算法的手机垃圾短信过滤
  24. 4.3 总结
  25. 第5章 分而治之——应用决策树和规则进行分类
  26. 5.1 理解决策树
  27. 5.2 例子——使用C5.0决策树识别高风险银行贷款
  28. 5.3 理解分类规则
  29. 5.4 例子——应用规则学习算法识别有毒的蘑菇
  30. 5.5 总结
  31. 第6章 预测数值型数据——回归方法
  32. 6.1 理解回归
  33. 6.2 例子——应用线性回归预测医疗费用
  34. 6.3 理解回归树和模型树
  35. 6.4 例子——用回归树和模型树估计葡萄酒的质量
  36. 6.5 总结
  37. 第7章 黑箱方法——神经网络和支持向量机
  38. 7.1 理解神经网络
  39. 7.2 例子——用人工神经网络对混凝土的强度进行建模
  40. 7.3 理解支持向量机
  41. 7.4 例子——用支持向量机进行光学字符识别
  42. 7.5 总结
  43. 第8章 探寻模式——基于关联规则的购物篮分析
  44. 8.1 理解关联规则
  45. 8.2 例子——用关联规则确定经常一起购买的食品杂货
  46. 8.3 总结
  47. 第9章 寻找数据的分组——k均值聚类
  48. 9.1 理解聚类
  49. 9.2 例子——用k均值聚类探寻青少年市场细分
  50. 9.3 总结
  51. 第10章 模型性能的评价
  52. 10.1 度量分类方法的性能
  53. 10.2 评估未来的性能
  54. 10.3 总结
  55. 第11章 提高模型的性能
  56. 11.1 调整多个模型来提高性能
  57. 11.2 使用元学习来提高模型的性能
  58. 11.3 总结
  59. 第12章 其他机器学习主题
  60. 12.1 分析专用文件和数据库
  61. 12.2 处理在线数据和服务
  62. 12.3 处理特定领域的数据
  63. 12.4 提高R语言的性能
  64. 12.5 总结