机器学习及R应用

图书标准信息

• 作者 陈强
• 出版社 高等教育出版社
• 出版时间 2020-11
• 版次 1
• ISBN 9787040551396
• 定价 68.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 472页
• 字数 730千字

【内容简介】

本书对于机器学习的核心方法，进行了深入而详细的介绍，并特别关注各学科*常用的算法。*特色在于力图以生动的语言、较多的插图与大量的实例来直观地解释机器学习的原理。同时，结合流行的R语言，及时地介绍相应的软件操作与经典案例，为读者提供“一站式”服务。本书还提供详尽的数学推导，尽量避免跳跃，并辅以直观的文字解释。对于看似复杂的机器学习原理，则删繁就简，娓娓道来，让读者渐入佳境。 本书适合普通高等学校经济管理类以及理工类等的高年级本科生和研究生使用。先修课包括微积分、线性代数与概率统计，但不要求有编程或R语言经验。本书将从零开始，让读者快速体会到R语言的美妙与威力。

【目录】

章绪论

1．1什么是机器学

1．2机器学的分类

1．3机器学的术语

1．4机器如何学

1．5机器学与统计学、计量经济学的关系

第2章r语言入门

2．1为何使用r语言

2．2r与rstudio的安装

2．3计算器与赋值

2．4向量

2．5缺失值与空值

2．6因子

2．7矩阵

2．8数组

2．9列表

2．10数据框

2．11描述统计

2．12画图

2．13读写数据

2．14抽样

2．15条件语句

2．16循环语句

2．17函数

2．18工作空间管理

2．19帮助

2．20r语言的更新

2．21进一步学r的资源

题

第3章数学回顾

3．1微积分

3．2优化

3．3线代数

3．4概率统计

题

第4章线回归

4．1监督学的回归问题

4．2优预测

4．3线回归模型

4．4小二乘法

4．5ols的正交与几何解释

4．6施密特正交化与qr分解

4．7拟合优度

4．8过拟合与泛化能力

4．9偏差与方差的权衡

4．10模型评估的再抽样方法

4．11线回归的r案例

题

第5章逻辑回归

5．1逻辑回归概述

5．2优选似然估计

5．3logit模型的解释

5．4非线模型的拟合优度

5．5logit模型的预测

……

第6章多项逻辑回归

第7章判别分析

第8章朴素贝叶斯

第9章惩罚回归

0章k近邻法

1章决策树

2章森林

3章提升法

4章支持向量机

5章人工神经网络

6章主成分分析

7章聚类分析

8章数据科学的r语言

参文献