基于R语言的机器学习PDF电子书下载

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