出版社:机械工业出版社
年代:2016
定价:59.0
本书共12章:第1章介绍机器学习的基本概念和理论,并介绍用于机器学习的R软件环境的准备;第2章介绍如何应用R来管理数据,进行数据的探索分析和数据可视化;第3~9章介绍典型的机器学习算法,包括k近邻分类算法、朴素贝叶斯算法、决策树和规则树、回归预测、黑盒算法——神经网络和支持向量机、关联分析、k均值聚类,并给出大量的实际案例和详细的分析步骤,例如乳腺癌的判断、垃圾短信的过滤、贷款违约的预测、毒蘑菇的判别、医疗费用的预测、建筑用混凝土强度的预测、光学字符的识别、超市购物篮关联分析以及市场细分等;第10章介绍模型性能评价的原理和方法;第11章给出提高模型性能的几种常用方法;第12章讨论用R进行机器学习时可能遇到的一些高级专题,如特殊形式的数据、大数据集的处理、并行计算和GPU计算等技术。
(美) 兰兹 (Lantz,B.) , 著
丘祐玮, 著
(印) 卡西克·拉玛苏布兰马尼安, (印) 阿布舍克·辛格, 著
(印) 拉格哈夫·巴利 (Raghav Bali) , (印) 迪潘简·撒卡尔 (Dipanjan Sarkar) , 著
(印) 卡西克·拉玛苏布兰马尼安, (印) 阿布舍克·辛格, 著
(美) 考瑞·莱斯米斯特尔, 著
(美) 斯科特 (Scott V. Burger) , 著
(美) 布雷特·兰茨 (Brett Lantz) , 著
(美) 布雷特·兰茨 (Brett Lantz) , 著