基于R语言的机器学习

　　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
　查看完整　　

　　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。

　　■ 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。

　　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
^ 收 起　　

　　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。

　　■ 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。