基于R语言的机器学习pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

基于R语言的机器学习PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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最近邻算法 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caret 196

小结 207

附录A caret机器学习模型大全 209