书海阁 -R语言机器学习 (美)布雷特·兰茨(Brett Lantz) 著 著
本书资料更新时间:2025-01-19 02:29:05

R语言机器学习 (美)布雷特·兰茨(Brett Lantz) 著 著 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

R语言机器学习 (美)布雷特·兰茨(Brett Lantz) 著 著精美图片
》R语言机器学习 (美)布雷特·兰茨(Brett Lantz) 著 著电子书籍版权问题 请点击这里查看《

R语言机器学习 (美)布雷特·兰茨(Brett Lantz) 著 著书籍详细信息

  • ISBN:9787564170714
  • 作者:暂无作者
  • 出版社:暂无出版社
  • 出版时间:2017-04
  • 页数:暂无页数
  • 价格:55.60
  • 纸张:轻型纸
  • 装帧:平装-胶订
  • 开本:16开
  • 语言:未知
  • 丛书:暂无丛书
  • TAG:暂无
  • 豆瓣评分:暂无豆瓣评分
  • 豆瓣短评:点击查看
  • 豆瓣讨论:点击查看
  • 豆瓣目录:点击查看
  • 读书笔记:点击查看
  • 原文摘录:点击查看
  • 更新时间:2025-01-19 02:29:05

寄语:

新华书店正版,关注店铺成为会员可享店铺专属优惠,团购客户请咨询在线客服!


内容简介:

本书与时俱进,携近期新的库和最现代的编程思维为你丝丝入扣的介绍了专业数据科学必不可少的技能。不用再惧怕理论知识,书中提供了编写算法和处理数据所需的最关键的实用知识,只要有最基本的经验就可以了。你可以在书中找到洞悉复杂的数据所需的全部分析工具,还能学到如何选择正确的算法来解决特定的问题。通过与各种真实问题的亲密接触,你将学会如何应用机器学习方法来处理常见的任务,包括分类、预测、市场分析以及聚类。


书籍目录:

Preface

Chapter 1: Introducing Machine Learning

The origins of machine learning

Uses and abuses of machine learning

Machine learning successes

The limits of machine learning

Machine learning ethics

How machines learn

Data storage

Abstraction

Generalization

Evaluation

Machine learning in practice

Types of input data

Types of machine learning algorithms

Matching input data to algorithms

Machine learning with R

Installing R packages

Loading and unloading R packages

Summary

Chapter 2: Managing and Understanding Data

R data structures

Vectors

Factors

Lists

Data frames

Matrixes and arrays

Managing 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 Neighbors

Understanding nearest neighbor 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 model on the data

Step 4 - evaluating model performance

Step 5 -improving model performance

Transformation - z-score standardization

Testing alternative values of k

Summary

Chapter 4: Probabilistic Learning - Classification Using Naive Bayes

Understanding Naive Bayes

Basic concepts of Bayesian methods

Understanding probability

Understanding joint probability

Computing conditional probability with Bayes' theorem

The Naive Bayes algorithm

Classification with Naive Bayes

The Laplace estimator

Using numeric features with Naive Bayes

Example - filtering mobile phone spam with the

Naive Bayes algorithm

Step 1 - collecting data

Step 2 - exploring and preparing the data

Data preparation - cleaning and standardizing text data

Data preparation - splitting text documents into words

Data preparation - creating training and test datasets

Visualizing text data - word clouds

Data preparation - creating indicator features for frequent words

Step 3 - training a model on the data

Step 4 - evaluating model performance

Step 5 -improving model performance

Summary

Chapter 5: Divide and Conquer - Classification Using Decision Trees and Rules

Chapter 6: Forecasting Numeric Data - Regression Methods

Chapter 7: Black Box Methods - Neural Networks and Support Vector Machines

Chapter 8: Finding Patterns - Market Basket Analysis Using Association Rules

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

Chapter 10: Evaluating Model Performance

Chapter 11: Improving Model Performance

Chapter 12: Specialized Machine Learning Topics

Index


作者介绍:

布雷特·兰茨,在应用创新的数据方法来理解人类的行为方面有10余年经验。他最初是一名社会学家,在学习一个青少年社交网站分布的大型数据库时,他就开始陶醉于机器学习。从那时起,他致力于移动电话、医疗账单数据和公益活动等交叉学科的研究,并维护网站,该网站致力于分享有关探寻数据中所蕴含的洞察的知识。


出版社信息:

暂无出版社相关信息,正在全力查找中!


书籍摘录:

暂无相关书籍摘录,正在全力查找中!



原文赏析:

如果将置信度太低,就可能会被大量不可靠的规则淹没,那么我们如何知道广告预算目标的呢?另一方面,如果将置信规则设置得太高,那么我们将会被显而易见或者不可避免的规则所限制(比如,烟雾探测器总是与电池一起组合购买的事实)。在这种情况下,因为两类商品几乎总是一起购买,所以将烟雾探测器移到电池更近的地方难以再产生额外的收入。


其它内容:

暂无其它内容!


书籍真实打分

  • 故事情节:7分

  • 人物塑造:3分

  • 主题深度:4分

  • 文字风格:7分

  • 语言运用:8分

  • 文笔流畅:5分

  • 思想传递:9分

  • 知识深度:3分

  • 知识广度:5分

  • 实用性:4分

  • 章节划分:6分

  • 结构布局:4分

  • 新颖与独特:6分

  • 情感共鸣:8分

  • 引人入胜:8分

  • 现实相关:5分

  • 沉浸感:6分

  • 事实准确性:5分

  • 文化贡献:3分


网站评分

  • 书籍多样性:3分

  • 书籍信息完全性:7分

  • 网站更新速度:5分

  • 使用便利性:4分

  • 书籍清晰度:6分

  • 书籍格式兼容性:3分

  • 是否包含广告:9分

  • 加载速度:9分

  • 安全性:8分

  • 稳定性:8分

  • 搜索功能:5分

  • 下载便捷性:8分


下载点评

  • 品质不错(460+)
  • 已买(160+)
  • 体验满分(348+)
  • 可以购买(67+)
  • 赚了(538+)
  • 三星好评(471+)
  • 傻瓜式服务(674+)
  • 二星好评(486+)
  • 值得购买(93+)
  • 图书多(520+)
  • 不亏(149+)

下载评价

  • 网友 敖***菡: ( 2025-01-12 08:14:01 )

    是个好网站,很便捷

  • 网友 詹***萍: ( 2025-01-12 17:37:12 )

    好评的,这是自己一直选择的下载书的网站

  • 网友 后***之: ( 2025-01-08 09:40:05 )

    强烈推荐!无论下载速度还是书籍内容都没话说 真的很良心!

  • 网友 谭***然: ( 2025-01-16 23:13:24 )

    如果不要钱就好了

  • 网友 家***丝: ( 2024-12-25 18:55:22 )

    好6666666

  • 网友 冉***兮: ( 2024-12-24 12:59:13 )

    如果满分一百分,我愿意给你99分,剩下一分怕你骄傲

  • 网友 丁***菱: ( 2024-12-29 12:31:19 )

    好好好好好好好好好好好好好好好好好好好好好好好好好

  • 网友 訾***晴: ( 2024-12-26 21:25:47 )

    挺好的,书籍丰富

  • 网友 扈***洁: ( 2024-12-26 06:59:02 )

    还不错啊,挺好


随机推荐