图书介绍
机器学习实践指南 基于R语言PDF|Epub|txt|kindle电子书版本下载
- （英）尼格尔·刘易斯著；高蓉，李茂译 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115478177
- 出版时间：2018
- 标注页数：144页
- 文件大小：14MB
- 文件页数：158页
- 主题词：机器学习－指南
PDF下载
下载说明
机器学习实践指南 基于R语言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
图书目录
第1章 简明学习问题1
1.1归纳推理和演绎推理的基础2
1.1.1你曾遇到过这些事情吗？3
1.1.2释放归纳的力量3
1.1.3推断的阴阳之道4
1.2学习问题的三大要素4
1.3从数据中学习的目标6
1.3.1阐明选择标准7
1.3.2学习任务的选择8
附注9
第2章 监督学习13
2.1有效分类的基本要素13
2.2如何确定假设类别的答案15
2.3监督学习的两个核心方法16
2.3.1生成算法的关键16
2.3.2理解判别算法17
2.4什么是贝叶斯分类器17
误差下界19
2.5评估贝叶斯误差的两种简单技巧19
2.5.1 Mahalanobis技巧19
2.5.2 Bhattacharyya技巧20
2.6如何释放朴素贝叶斯分类器的力量21
一个建立直觉的例子22
2.7朴素贝叶斯分类器的R极简建立方法24
2.7.1一个模拟的例子24
2.7.2甲状腺数据的分析28
2.8如何利用k-近邻算法的价值33
深化理解的例子34
2.9 k近邻的R直接方法37
如何决定k的最优值42
2.10线性判别分析的关键42
求解广义特征值问题44
2.11 R判别分析的基本要素45
2.11.1检查你想要的模型类型49
2.11.2不要止步于线性判别分析50
2.12逻辑回归分类的秘密51
2.13建立R逻辑回归分类器的简便方法53
2.14激励创意和激情的超级好主意57
附注59
第3章 无监督学习68
3.1无监督学习简介68
3.2两种核心方法及其工作原理69
3.3无监督学习的应用技术及R实现70
3.4无监督学习的典型例子，你可以模仿学习85
3.4.1数据（图像）预处理86
3.4.2处理图像中的噪声86
3.4.3颅骨“剥离”87
3.4.4完美组合87
附注89
第4章 半监督学习91
4.1未标记数据的作用92
4.2一致性假设94
4.3尝试半监督学习的极简方法94
4.4自学习算法95
4.5基于半监督模型的R学习98
4.6使用土地分类掌握这种实践说明102
附注105
第5章 统计学习理论108
5.1 Vapnik-Chervonenkis泛化界109
5.2什么是Vapnik-Chervonenkis维110
5.3结构风险最小化的关键113
5.4实践中使用统计学习理论的最佳建议114
5.5如何精通支持向量机115
5.5.1支持向量机的本质116
5.5.2松弛的处理117
5.5.3如何建立R支持向量机118
附注120
第6章 模型选择122
6.1模型的快速改进122
6.2一个价值500万美元的小错误124
6.3“天下没有免费午餐”定理之三大关键教训125
6.4什么是偏差和方差权衡127
6.4.1可约误差128
6.4.2偏差129
6.4.3方差130
6.5你的模型犯过这种错吗？131
6.6留出技术的秘密132
6.7有效交叉验证的艺术134
6.7.1 k-折交叉验证134
6.7.2一个R案例135
6.7.3留一验证138
附注140
恭喜你！142