作者：[美]斯科特（ScottV.Burg
页数：228
出版社：中国电力出版社
出版日期：2018
ISBN：9787519825850
电子书格式：pdf/epub/txt
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是一名高数据科学家，居住在美国西雅图。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，例如商业智能或数据优化等。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，他利用这些专业知识在本书中向普通R语言用户揭示了机器学习的世界。
本书特色
适读人群 ：本书非常适合对R 编程语言有一定了解的人。如果不了解R 语言，那么也不用担心，R 是一种很容易学习的语言，并且代码可读性很强，相信你可以掌握代码示例中的要点。
■ 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。
目录
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
