R本身是一款十分優(yōu)秀的數(shù)據(jù)分析和數(shù)據(jù)可視化軟件。《機(jī)器學(xué)習(xí)與R語言》通過將實(shí)踐案例與核心的理論知識(shí)相結(jié)合，提供了你開始將機(jī)器學(xué)習(xí)應(yīng)用到你自己項(xiàng)目中所需要的知識(shí)?！稒C(jī)器學(xué)習(xí)與R語言》主要內(nèi)容：機(jī)器學(xué)習(xí)的基本概念和理論，用于機(jī)器學(xué)習(xí)的R軟件環(huán)境；如何應(yīng)用R來管理數(shù)據(jù)，進(jìn)行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；典型的機(jī)器學(xué)習(xí)算法和案例，并給出了詳細(xì)的分析步驟；模型性能評(píng)價(jià)的原理和方法；提高模型性能的幾種常用方法；其他機(jī)器學(xué)習(xí)主題。

《機(jī)器學(xué)習(xí)與R語言》適用于任何希望使用數(shù)據(jù)來采取行動(dòng)的人。讀者只需要具有R的一些基本知識(shí)，不需要具備機(jī)器學(xué)習(xí)的深厚基礎(chǔ)。不管是R初學(xué)者，還是熟練的R用戶都能從書中找到對(duì)自己有用的內(nèi)容。

目錄

第1章　機(jī)器學(xué)習(xí)簡(jiǎn)介 1
第2章　數(shù)據(jù)的管理和理解 18
第3章　懶惰學(xué)習(xí)——使用近鄰分類 44
第4章　概率學(xué)習(xí)——樸素貝葉斯分類 61
第5章　分而治之——應(yīng)用決策樹和規(guī)則進(jìn)行分類 82
第6章　預(yù)測(cè)數(shù)值型數(shù)據(jù)——回歸方法 113
第7章　黑箱方法——神經(jīng)網(wǎng)絡(luò)和支持向量機(jī) 146
第8章　探尋模式——基于關(guān)聯(lián)規(guī)則的購(gòu)物籃分析 172
第9章　尋找數(shù)據(jù)的分組——k均值聚類 191
第10章　模型性能的評(píng)價(jià) 208
第11章　提高模型的性能 231
第12章　其他機(jī)器學(xué)習(xí)主題 249