R語言機器學習(原書第2版) ( 簡體 字) |
| 作者：(印度)卡西克·拉瑪蘇布蘭馬尼安//阿布舍克·辛格|譯者:吳今朝 | 類別：1. -> 程式設計 -> R語言
2. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：機械工業 |  3dWoo書號： 52213
詢問書籍請說出此書號！【缺書】
NT售價： 595 元 |
| 出版日：1/1/2020 |
| 頁數：441 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111641049 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書是介紹機器學習技術的綜合指南，從基礎的統計學原理和R語言編程知識，到核心的機器學習理論和算法分析，以及機器學習模型的評估和改進方法，再到機器學習技術在大數據平臺上的應用，書中都有詳細介紹。 |
目錄：第1章 機器學習和R語言入門
1．1 瞭解發展歷程
1．1．1 統計學習
1．1．2 機器學習
1．1．3 人工智慧
1．1．4 資料採擷
1．1．5 資料科學
1．2 概率與統計
1．2．1 計數和概率的定義
1．2．2 事件和關係
1．2．3 隨機性、概率和分佈
1．2．4 置信區間和假設檢驗
1．3 R語言入門
1．3．1 基本組成部分
1．3．2 R語言的資料結構
1．3．3 子集處理
1．3．4 數和Apply系列
1．4 機器學習過程工作流
1．4．1 計畫
1．4．2 探索
1．4．3 構建
1．4．4 評估
1．5 其他技術
1．6 小結
第2章 資料準備和探索
2．1 規劃資料收集
2．1．1 變數類型
2．1．2 資料格式
2．1．3 資料來源的類型
2．2 初始資料分析
2．2．1 初步印象
2．2．2 把多個資料來源組織到一起
2．2．3 整理資料
2．2．4 補充更多資訊
2．2．5 重塑
2．3 探索性資料分析
2．3．1 摘要統計量
2．3．2 矩
2．4 案例研究：信用卡欺詐
2．4．1 數據導入
2．4．2 數據變換
2．4．3 資料探索
2．5 小結
第3章 抽樣與重抽樣技術
3．1 介紹抽樣技術
3．2 抽樣的術語
3．2．1 樣本
3．2．2 抽樣分佈
3．2．3 總群體的均值和方差
3．2．4 樣本均值和方差
3．2．5 匯總的均值和方差
3．2．6 抽樣點
3．2．7 抽樣誤差
3．2．8 抽樣率
3．2．9 抽樣偏誤
……
第4章 R語言裡的資料視覺化
第5章 特徵工程
第6章 機器學習理論和實踐
第7章 機器學習模型的評估
第8章 模型性能改進
第9章 時間序列模型
第10章 可擴展機器學習和相關技術
第11章 用Keras和Tensorflow進行深度學習 |
| 序： |
