R语言机器学习 第3版（影印版）

图书标准信息

• 作者 Brett Lantz 著
• 出版社 东南大学出版社
• 出版时间 2020-08
• 版次 1
• ISBN 9787564189549
• 定价 118.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【内容简介】

《R语言机器学习 第3版（影印版）》提供了具备良好可读性的实践指南，帮助你将机器学习应用于实际问题。无论你是经验丰富的R语音用户还是刚接触这门语言的新手，从Brett Lantz这里都可以学到发掘关键见解、做出新的预测并可视化你的发现所需的一切。

【目录】

●Preface

Chapter I-Introducing Machine 

The origins of machine learning

Uses and abuses of machine learning

Machine learning successes

The Iimits of machine Iearning

Machine learning ethics

How machines Iearn

Data storage

Abstraction

GeneraIizatiOn

Evaluation

Machine learning in practice

Types ofinput data

Types of machine learning algorithms

Matching input data to algorithms

Machine learning with R

Installing R packages

Loading and unloading R packages

Installing RStudio

Summary

Chapter 2-Managing and Understanding Data

R data structures

Vectors

Factors

Lists

Data frames

Matrices and arrays

Managi ng data with R

Saving，loading，and removing R data structures

Importing and saving data frOm CSV files

Exploring and understanding data

Exploring the structure of data

Exploring numeric variables

Measuring the central tendency-mean and median

Measuring spread—-quartiles and the five-number summary

Visualizing numeric variables-boxplots

Visualizing numeric variables-histograms

Understanding numeric data—uniform and normal distributions

Measuring spread-variance and standard deviation

Exploring categorical variables

Measuring the central tendency-the mode

Exploring relationships between variables

Visualizing relationships-scatterplots

Examining relationships-two--way cross_·tabulations

Summary

Chapter 3-Lazy Learning-Classification Using

Nearest Neiors

Understanding nearest neior classification

The k．NN algorithm

Measuring similarity with distance

Choosing an appropriate k

Preparing data for use with k-NN

Why is the k-NN algorithm lazy?

Example—diagnosing breast cancer with the k-NN algorithm

Step 1-collecting data

Step 2-exploring and preparing the data

Transformation-normalizing numeric data

Data preparation-creating training and test datasets

Step 3-training a modeI on the data

Step 4-evaluating modeI performance

Step 5-improving model performance

Transformation-Z．．score standardization

Testing alternative values of k

Summary

Chapter 4-Probabilistic Learning-—Classification Using

……

Chapter 5-Divide and Conquer-Classification Using Decision

Chapter 6-Forecasting Numeric Data-Regression Methods

Chapter 7-Black Box Methods-Neural Newworks and Support

Chapter 8-Flnding Patterns-Market Basket Analysis Using

Chapter 9-Finding Groups of Data-Clustering with k-means

Chapter 10-Evaluationg Model Perforance

Chapter 11-Improving Model Performance

Chapter 12-Speizad Machine Learning Topics

Other Books You Enjoy

Index