MARC状态：审校 文献类型：中文图书 浏览次数：22
- 题名/责任者:
- 机器学习与R语言/(美)布雷特·兰茨(Brett Lantz)著 李洪成,许金炜,李舰译
- 出版发行项:
- 北京:机械工业出版社,2017
- ISBN及定价:
- 978-7-111-55328-1/CNY69.00
- 载体形态项:
- 12,278页:图;26cm
- 并列正题名:
- Machine learning with R
- 丛编项:
- 数据科学与工程技术丛书
- 个人责任者:
- (美) 兰茨 (Lantz, Brett) 著
- 个人次要责任者:
- 李洪成 译
- 个人次要责任者:
- 许金炜 译
- 个人次要责任者:
- 李舰 译
- 学科主题:
- 机器学习
- 学科主题:
- R语言-程序设计
- 中图法分类号:
- TP181
- 中图法分类号:
- TP312R
- 版本附注:
- 据原书第2版译出
- 版本附注:
- 由Packt Publishing授权
- 责任者附注:
- 布雷特·兰茨 (Brett Lantz),在应用创新的数据方法来理解人类的行为方面有10余年经验。最初是一名社会学家。
- 责任者附注:
- 李洪成,统计学博士,现为上海金融学院副教授,是SPSS统计分析软件和R语言专家。
- 提要文摘附注:
- 本书共12章:第1章介绍机器学习的基本概念和理论,并介绍用于机器学习的R软件环境的准备;第2章介绍如何应用R来管理数据,进行数据的探索分析和数据可视化;第3~9章介绍典型的机器学习算法,包括k近邻分类算法、朴素贝叶斯算法、决策树和规则树、回归预测、黑盒算法——神经网络和支持向量机、关联分析、k均值聚类,并给出大量的实际案例和详细的分析步骤,例如乳腺癌的判断、垃圾短信的过滤、贷款违约的预测、毒蘑菇的判别、医疗费用的预测、建筑用混凝土强度的预测、光学字符的识别、超市购物篮关联分析以及市场细分等;第10章介绍模型性能评价的原理和方法;第11章给出提高模型性能的几种常用方法;第12章讨论用R进行机器学习时可能遇到的一些高级专题,如特殊形式的数据、大数据集的处理、并行计算和GPU计算等技术。
全部MARC细节信息>>