基于R语言的机器学习

图书标准信息

• 作者 [美]斯科特（Scott V. Burger）
• 出版社 中国电力出版社
• 出版时间 2018-12
• 版次 1
• ISBN 9787519825850
• 定价 58.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 218页
• 字数 270千字

【内容简介】

■ 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。

【作者简介】

Scott V. Burger是一名高级数据科学家。他拥有天体物理学领域的编程经验，并将这些经验用于各种不同的方面。Scott拥有关于如何用简洁的方式向公众解释科学概念的丰富经验，并向普通R语言用户揭示了机器学习的世界。

【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caret  196

    小结  207

    附录A caret机器学习模型大全 209