江莱图书专营店
  • 扫码下单

  • 基于R语言的机器学习 中国电力出版社 正版书籍
  • 新商品上架
    • 作者: 斯科特著 | | 马晶慧译
    • 出版社: 中国电力出版社
    • 出版时间:1
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    店铺装修中

    商家:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    江莱图书专营店

  • 商品参数
    • 作者: 斯科特著| 马晶慧译
    • 出版社:中国电力出版社
    • 出版时间:1
    • 开本:16开
    • ISBN:9781885756296
    • 版权提供:中国电力出版社
    ......
    基本信息
    商品名称: 开本: 16开
    作者: [美]斯科特(Scott V. Burger) 定价: 58.00
    ISBN号: 9787519825850 出版时间: 2018-12-12
    出版社: 中国电力出版社 印刷时间: 2018-11-26
    版次: 1 印次: 1
    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
    ......■ 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。
    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。
    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购