注重体验与质量的电子书资源下载网站
分类于: 计算机基础 互联网 云计算&大数据
简介
R语言机器学习: 实用案例分析 豆 0.0分
资源最后更新于 2020-03-29 03:45:18
作者：〔印度〕拉格哈夫·巴利（Raghav Bali）〔印度〕迪潘简·撒卡尔（Dipanjan Sarkar）
译者：李洪成潘文捷
出版社：出版社机械工业出版社
出版日期：2017-04
文件格式： pdf
简介· · · · · ·
随着大数据的概念变得越来越流行，对数据的探索、分析和预测成为大数据分析领域的基本技能之一。作为探索和分析数据的基本理论与工具，机器学习和数据挖掘成为时下非常热门的技术。R作为功能强大并且免费的数据分析工具，在机器学习领域获得了越来越多用户的青睐。本书介绍了如何用R来进行实际应用中的机器学习，以及如何从数据中获取信息以帮助决策。本书的作者在机器学习领域具有丰富的实践经验。他在本书中介绍了多种机器学习算法，并且给出了机器学习最热门的3个领域（涵盖电子商务、金融和社交媒体领域）中的案例。对于每一个实际案例，从对案例数据的探索、整理，到模型的建立和评估，每一步都给出了详尽的步骤和R代码。读者从中可以掌握机器学习和R语言的应用与技巧，同时也可以学习相关的领域知识。
目录
译者序
前言
关于作者
关于审稿人
第1章 开始使用R语言和机器学习
1.1 探究R的基本内容
1.2 R的数据结构
1.3 使用函数
1.4 控制代码流
1.5 高级结构
1.6 进一步使用R
1.7 机器学习基础
1.8 总结
第2章 让我们进行机器学习
2.1 理解机器学习
2.2 机器学习算法
2.3 算法家族
2.4 总结
第3章 应用市场购物篮分析预测顾客购买趋势
3.1 检测和预测趋势
3.2 市场购物篮分析
3.3 评估产品列联矩阵
3.4 频繁项集的生成
3.5 关联规则挖掘
3.6 总结
第4章 建立产品推荐系统
4.1 理解推荐系统
4.2 推荐系统存在的问题
4.3 协同过滤器
4.4 建立推荐引擎
4.5 产品推荐引擎实战
4.6 总结
第5章 信用风险检测和预测——描述分析
5.1 分析的类型
5.2 我们将要面临的挑战
5.3 什么是信用风险
5.4 获取数据
5.5 数据处理
5.6 数据分析和变换
5.7 接下来的步骤
5.8 总结
第6章 信用风险检测和预测——预测分析
6.1 预测分析
6.2 如何预测信用风险
6.3 预测模型中的重要概念
6.4 获取数据
6.5 数据处理
6.6 特征选择
6.7 应用逻辑回归建立模型
6.8 应用支持向量机建立模型
6.9 应用决策树建立模型
6.10 应用随机森林建立模型
6.11 应用神经网络建立模型
6.12 模型比较和选择
6.13 总结
第7章 社交媒体分析：分析Twitter数据
7.1 社交网络（Twitter）
7.2 数据挖掘与社交网络
7.3 从Twitter API开始
7.4 Twitter数据挖掘
7.5 社交网络数据挖掘带来的挑战
7.6 参考文献
7.7 总结
第8章 Twitter数据的情感分析
8.1 理解情感分析
8.2 推文中的情感分析
8.3 总结
猜你喜欢
Excel 2013 应用技巧实例大全
评分: 0.0
Apple Watch 编程指南
评分: 0.0
PHP 7从零基础到项目实战
评分: 0.0
Spark核心技术与高级应用
评分: 0.0