机器学习与数据科学:基于R的统计学习方法电子书封面 读者评价 机器学习是近年来渐趋热门的一个领域，同时R语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和R语言两个热门的领域，通过利用两种核心的机器学习算法来将R语言在数据分析方面的优势发挥到极致。 还不错吧！自己也跟着学习下，就是好多看不懂，专业性强！ 从业者使用的工具是决定他的工作能否成功的重要因素之一。本书为数据科学家提供了一些在统计学习领域会用到的工具和技巧，为他们在数据科学领域的长期职业生涯提供了所需的一套基本工具。针对处理重要的数据科学问题的高级技能，本书也给出了学习的建议。 本书包括以下内容： 机器学习概述 监督机器学习 数据连接 非监督机器学习 数据处理 模型评估 探索性数据分析 本书选用R统计环境。R在全世界范围内应用越来越广泛，很多数据科学家只使用R就能进行项目工作。本书的所有代码示例都是用R语言写的。除此之外，书中还使用了很多流行的R包和数据集。 内容介绍 当前，机器学习和数据科学都是很重要和热门的相关学科，需要深入地研究学习才能精通。 本书试图指导读者掌握如何完成涉及机器学习的数据科学项目。本书将为数据科学家提供一些在统计学习领域会用到的工具和技巧，涉及数据连接、数据处理、探索性数据分析、监督机器学习、非监督机器学习和模型评估。本书选用的是R统计环境，书中所有代码示例都是用R语言编写的，涉及众多流行的R包和数据集。 本书适合数据科学家、数据分析师、软件开发者以及需要了解数据科学和机器学习方法的科研人员阅读参考。 目录 第1章机器学习综述1 第2章连接数据25 第3章数据处理54 第4章探索性数据分析83 第5章回归107 第6章分类136 第7章评估模型性能176 第8章非监督学习208 术语表234
评论区