基于R語(yǔ)言的機(jī)器學(xué)習(xí)

前言 1 \n
第1章 什么是模型？ 5 \n
算法與模型有什么不同？ 10 \n
術(shù)語(yǔ)說(shuō)明 12 \n
模型的局限性 13 \n
建模中的統(tǒng)計(jì)與計(jì)算 15 \n
數(shù)據(jù)訓(xùn)練 16 \n
交叉驗(yàn)證 17 \n
為什么使用R語(yǔ)言？ 18 \n
優(yōu)點(diǎn) 19 \n
缺點(diǎn) 22 \n
小結(jié) 23 \n
第2章 監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督機(jī)器學(xué)習(xí) 25 \n
監(jiān)督模型 26 \n
回歸 26 \n
訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù) 28 \n
分類(lèi) 30 \n
混合方法 37 \n
無(wú)監(jiān)督學(xué)習(xí) 47 \n
無(wú)監(jiān)督聚類(lèi)方法 48 \n
小結(jié) 50 \n
第3章 R語(yǔ)言中的采樣統(tǒng)計(jì)和模型訓(xùn)練 52 \n
偏差 53 \n
R語(yǔ)言中的采樣 58 \n
訓(xùn)練與測(cè)試 61 \n
交叉驗(yàn)證 74 \n
小結(jié) 76 \n
第4章 全面解析回歸 78 \n
線性回歸 79 \n
多項(xiàng)式回歸 88 \n
擬合數(shù)據(jù)的優(yōu)點(diǎn)——過(guò)度擬合的風(fēng)險(xiǎn) 95 \n
邏輯回歸 98 \n
小結(jié) 112 \n
第5章 全面解析神經(jīng)網(wǎng)絡(luò) 115 \n
單層神經(jīng)網(wǎng)絡(luò) 115 \n
用R語(yǔ)言建立一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò) 116 \n
多層神經(jīng)網(wǎng)絡(luò) 125 \n
回歸神經(jīng)網(wǎng)絡(luò) 131 \n
神經(jīng)網(wǎng)絡(luò)分類(lèi) 136 \n
使用caret的神經(jīng)網(wǎng)絡(luò) 137 \n
小結(jié) 139 \n
第6章 基于樹(shù)的方法 141 \n
簡(jiǎn)單的樹(shù)模型 141 \n
決定樹(shù)的分割方式 143 \n
決策樹(shù)的優(yōu)點(diǎn)和缺點(diǎn) 147 \n
條件推理樹(shù) 158 \n
隨機(jī)森林 161 \n
小結(jié) 164 \n
第7章 其他高級(jí)方法 165 \n
樸素貝葉斯分類(lèi) 165 \n
主成分分析 169 \n
支持向量機(jī) 179 \n
k最近鄰算法 185 \n
小結(jié) 191 \n
第8章 使用caret包實(shí)現(xiàn)機(jī)器學(xué)習(xí) 192 \n
泰坦尼克號(hào)數(shù)據(jù)集 193 \n
使用caret 196 \n
小結(jié) 207 \n
附錄A caret機(jī)器學(xué)習(xí)模型大全 209