机器学习与数据科学 基于R的统计学习方法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]

机器学习与数据科学 基于R的统计学习方法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

第1章 机器学习综述 1

1.1 机器学习的分类 2

1.2 机器学习的实际案例 3

1.2.1 预测回头客挑战赛 4

1.2.2 Netflix公司 5

1.2.3 算法交易挑战赛 6

1.2.4 Heritage健康奖 7

1.3 机器学习的过程 10

1.4 机器学习背后的数学 15

1.5 成为一名数据科学家 16

1.6 统计计算的R工程 18

1.7 RStudio 19

1.8 使用R包 20

1.9 数据集 22

1.10 在生产中使用R 23

1.11 小结 24

第2章 连接数据 25

2.1 管理你的工作目录 27

2.2 数据文件的种类 28

2.3 数据的来源 28

2.4 从网络中下载数据集 29

2.5 读取CSV文件 31

2.6 读取Excel文件 33

2.7 使用文件连接 34

2.8 读取JSON文件 35

2.9 从网站中抓取数据 36

2.10 SQL数据库 38

2.11 R中的SQL等价表述 42

2.12 读取Twitter数据 46

2.13 从谷歌分析中读取数据 48

2.14 写数据 51

2.15 小结 53

第3章 数据处理 54

3.1 特征工程 57

3.2 数据管道 59

3.3 数据采样 60

3.4 修正变量名 60

3.5 创建新变量 62

3.6 数值离散化 63

3.7 日期处理 65

3.8 将类变量二值化 67

3.9 合并数据集 68

3.10 排列数据集 70

3.11 重塑数据集 71

3.12 使用dplyr进行数据操作 72

3.13 处理缺失数据 75

3.14 特征缩放 77

3.15 降维 78

3.16 小结 81

第4章 探索性数据分析 83

4.1 数据统计 84

4.2 探索性可视化 87

4.3 直方图 88

4.4 箱形图 89

4.5 条形图 92

4.6 密度图 93

4.7 散点图 95

4.8 QQ图 101

4.9 热图 102

4.10 缺失值的图表 103

4.11 解释性图表 104

4.12 小结 106

第5章 回归 107

5.1 一元线性回归 108

5.2 多元线性回归 120

5.3 多项式回归 127

5.4 小结 134

第6章 分类 136

6.1 一个简单的例子 137

6.2 逻辑回归 139

6.3 分类树 143

6.4 朴素贝叶斯 147

6.5 K-最近邻 151

6.6 支持向量机 155

6.7 神经网络 159

6.8 集成 165

6.9 随机森林 168

6.10 梯度提升机 171

6.11 小结 174

第7章 评估模型性能 176

7.1 过拟合 177

7.2 偏差和方差 183

7.3 干扰因子 187

7.4 数据泄漏 188

7.5 测定回归性能 190

7.6 测定分类性能 194

7.7 交叉验证 197

7.8 其他机器学习诊断法 204

7.8.1 获取更多的训练观测数据 205

7.8.2 特征降维 205

7.8.3 添加新特征 205

7.8.4 添加多项式特征 206

7.8.5 对正则化参数进行微调 206

7.9 小结 206

第8章 非监督学习 208

8.1 聚类 209

8.2 模拟聚类 211

8.3 分级聚类 212

8.4 K-均值聚类 219

8.5 主成分分析 224

8.6 小结 233

术语表 234