R语言机器学习 原书第2版＝MACHINE LEARNING USING R WITH TIME SERIES AND INDUSTRY-BASED USE CASES IN R.pdf电子书版文档下载
R语言机器学习 原书第2版＝MACHINE LEARNING USING R WITH TIME SERIES AND INDUSTRY-BASED USE CASES IN RPDF电子书下载
其他书籍
- 作 者：SECOND EDITION
- 出 版 社：（印度）卡西克·拉玛苏布兰马尼安
- 出版年份：
- ISBN：
- 页数：2020 页
图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：沿坟墓而行：穿越东欧大地走向伊斯法罕下一篇：我们的脚印 第七辑 上海老新闻工作者的回忆 《R语言机器学习 原书第2版＝MACHINE LEARNING USING R WITH TIME SERIES AND INDUSTRY-BASED USE CASES IN R》目录 标签：机器 语言 学习
第1章 机器学习和R语言入门1
1.1 了解发展历程1
1.1.1 统计学习2
1.1.2 机器学习2
1.1.3 人工智能3
1.1.4 数据挖掘3
1.1.5 数据科学4
1.2 概率与统计5
1.2.1 计数和概率的定义5
1.2.2 事件和关系7
1.2.3 随机性、概率和分布9
1.2.4 置信区间和假设检验9
1.3 R语言入门13
1.3.1 基本组成部分13
1.3.2 R语言的数据结构14
1.3.3 子集处理15
1.3.4 函数和Apply系列17
1.4 机器学习过程工作流19
1.4.1 计划20
1.4.2 探索20
1.4.3 构建20
1.4.4 评估20
1.5 其他技术21
1.6 小结21
第2章 数据准备和探索22
2.1 规划数据收集23
2.1.1 变量类型23
2.1.2 数据格式24
2.1.3 数据源的类型29
2.2 初始数据分析30
2.2.1 初步印象30
2.2.2 把多个数据源组织到一起32
2.2.3 整理数据34
2.2.4 补充更多信息37
2.2.5 重塑38
2.3 探索性数据分析38
2.3.1 摘要统计量39
2.3.2 矩42
2.4 案例研究：信用卡欺诈46
2.4.1 数据导入46
2.4.2 数据变换47
2.4.3 数据探索48
2.5 小结50
第3章 抽样与重抽样技术51
3.1 介绍抽样技术51
3.2 抽样的术语52
3.2.1 样本52
3.2.2 抽样分布52
3.2.3 总群体的均值和方差53
3.2.4 样本均值和方差53
3.2.5 汇总的均值和方差53
3.2.6 抽样点53
3.2.7 抽样误差54
3.2.8 抽样率54
3.2.9 抽样偏误54
3.2.10 无放回的抽样54
3.2.11 有放回的抽样55
3.3 信用卡欺诈：总群体的统计量55
3.3.1 数据描述55
3.3.2 总群体的均值56
3.3.3 总群体的方差56
3.3.4 汇总的均值和方差56
3.4 抽样在业务上的意义59
3.5 概率和非概率抽样60
3.6 关于抽样分布的统计理论61
3.6.1 大数定律62
3.6.2 中心极限定理64
3.7 概率抽样技术67
3.7.1 总群体的统计量67
3.7.2 简单随机抽样70
3.7.3 系统性随机抽样75
3.7.4 分层随机抽样78
3.7.5 聚类抽样83
3.7.6 自助抽样88
3.8 蒙特卡罗方法：接受-拒绝93
3.9 小结95
第4章 R语言里的数据可视化96
4.1 ggplot2组件包简介97
4.2 世界经济发展指标97
4.3 折线图97
4.4 堆叠柱状图102
4.5 散点图106
4.6 箱形图107
4.7 直方图和密度图109
4.8 饼图113
4.9 相关图114
4.10 热点图116
4.11 气泡图117
4.12 瀑布图120
4.13 系统树图122
4.14 关键字云124
4.15 桑基图126
4.16 时间序列图127
4.17 队列图129
4.18 空间图130
4.19 小结133
第5章 特征工程135
5.1 特征工程简介135
5.2 了解工作数据136
5.2.1 数据摘要137
5.2.2 因变量的属性137
5.2.3 特征的可用性：连续型或分类型140
5.2.4 设置数据的假设141
5.3 特征排名141
5.4 变量子集的选择144
5.4.1 过滤器方法145
5.4.2 包装器方法148
5.4.3 嵌入式方法154
5.5 主成分分析158
5.6 小结161
第6章 机器学习理论和实践162
6.1 机器学习的类型163
6.1.1 有监督学习164
6.1.2 无监督学习164
6.1.3 半监督学习165
6.1.4 强化学习165
6.2 机器学习算法的类别165
6.3 实际环境的数据集168
6.3.1 房产售价168
6.3.2 购买偏好169
6.3.3 Twitter订阅和文章169
6.3.4 乳腺癌170
6.3.5 购物篮170
6.3.6 亚马逊美食评论170
6.4 回归分析171
6.5 相关分析172
6.5.1 线性回归174
6.5.2 简单线性回归175
6.5.3 多元线性回归177
6.5.4 模型诊断：线性回归180
6.5.5 多项回归190
6.5.6 逻辑回归193
6.5.7 logit变换194
6.5.8 几率比194
6.5.9 模型诊断：逻辑回归200
6.5.10 多项逻辑回归208
6.5.11 广义线性模型211
6.5.12 结论212
6.6 支持向量机213
6.6.1 线性SVM214
6.6.2 二元SVM分类模型214
6.6.3 多类别SVM216
6.6.4 结论217
6.7 决策树217
6.7.1 决策树的类型218
6.7.2 决策指标219
6.7.3 决策树学习方法221
6.7.4 集成树235
6.7.5 结论241
6.8 朴素贝叶斯方法241
6.8.1 条件概率241
6.8.2 贝叶斯定理241
6.8.3 先验概率242
6.8.4 后验概率242
6.8.5 似然和边际似然242
6.8.6 朴素贝叶斯方法243
6.8.7 结论247
6.9 聚类分析247
6.9.1 聚类方法简介248
6.9.2 聚类算法248
6.9.3 内部评估256
6.9.4 外部评估257
6.9.5 结论259
6.10 关联规则挖掘259
6.10.1 关联概念简介259
6.10.2 规则挖掘算法261
6.10.3 推荐算法267
6.10.4 结论273
6.11 人工神经网络273
6.11.1 人类认知学习273
6.11.2 感知器275
6.11.3 Sigmoid神经元276
6.11.4 神经网络的体系架构277
6.11.5 有监督与无监督的神经网络278
6.11.6 神经网络的学习算法279
6.11.7 前馈反向传播281
6.11.8 结论286
6.12 文本挖掘方法286
6.12.1 文本挖掘简介287
6.12.2 文本摘要288
6.12.3 TF-IDF289
6.12.4 词性标注291
6.12.5 关键字云295
6.12.6 文本分析：Microsoft Cognitive Services295
6.12.7 结论304
6.13 在线机器学习算法304
6.13.1 模糊C均值聚类305
6.13.2 结论308
6.14 构建模型的核对清单308
6.15 小结308
第7章 机器学习模型的评估309
7.1 数据集309
7.1.1 房产售价309
7.1.2 购买偏好311
7.2 模型性能和评估入门312
7.3 模型性能评估的目标313
7.4 总群体的稳定性指数314
7.5 连续型输出的模型评估318
7.5.1 平均绝对误差320
7.5.2 均方根误差321
7.5.3 R2322
7.6 离散型输出的模型评估325
7.6.1 分类矩阵325
7.6.2 灵敏度和特异性329
7.6.3 ROC曲线下的面积330
7.7 概率技术333
7.7.1 K折交叉验证333
7.7.2 自助抽样335
7.8 Kappa误差指标336
7.9 小结339
第8章 模型性能改进340
8.1 Caret组件包概述341
8.2 超参数简介343
8.3 超参数优化345
8.3.1 人工搜索346
8.3.2 人工网格搜索348
8.3.3 自动网格搜索349
8.3.4 最优搜索351
8.3.5 随机搜索353
8.3.6 自定义搜索354
8.4 偏误和方差权衡357
8.5 集成学习简介360
8.5.1 投票集成360
8.5.2 集成学习中的高级方法361
8.6 在R语言里演示集成技术364
8.6.1 装袋树364
8.6.2 决策树的梯度增强366
8.6.3 混合knn和rpart369
8.6.4 利用caretEnsemble进行堆叠370
8.7 高级主题：机器学习模型的贝叶斯优化374
8.8 小结379
第9章 时间序列模型380
9.1 时间序列的组成部分380
9.2 平稳性检验383
9.3 ACF和AR模型386
9.4 PACF和MA模型388
9.5 ARIMA模型391
9.6 具有AR误差的线性回归397
9.7 小结400
第10章 可扩展机器学习和相关技术402
10.1 分布式处理和存储402
10.1.1 GFS403
10.1.2 MapReduce404
10.1.3 R语言里的并行执行404
10.2 Hadoop生态系统407
10.2.1 MapReduce408
10.2.2 Hive411
10.2.3 Apache Pig414
10.2.4 HBase417
10.2.5 Spark418
10.3 在R语言环境下用Spark进行机器学习419
10.3.1 设置环境变量419
10.3.2 初始化Spark会话420
10.3.3 加载数据并运行预处理420
10.3.4 创建SparkDataFrame421
10.3.5 构建机器学习模型421
10.3.6 对测试数据进行预测422
10.3.7 终止SparkR会话423
10.4 在R语言里利用H2O进行机器学习423
10.4.1 安装组件包424
10.4.2 H2O集群的初始化424
10.5 小结425
第11章 用Keras和TensorFlow进行深度学习427
11.1 深度学习简介427
11.2 深度学习架构428
11.2.1 卷积神经网络428
11.2.2 递归神经网络429
11.2.3 生成对抗网络430
11.3 深度学习的工具集431
11.3.1 高级库431
11.3.2 后端引擎或框架431
11.3.3 硬件能力432
11.3.4 编程语言的选择432
11.3.5 云基础架构432
11.4 用例：识别Quora中的重复问题432
11.4.1 环境设置432
11.4.2 数据预处理433
11.4.3 基准模型434
11.4.4 Siamese递归架构435
11.4.5 Keras模型437
11.4.6 模型的摘要437
11.4.7 验证样本438
11.4.8 训练模型438
11.4.9 保存模型439
11.4.10 模型性能439
11.4.11 进行预测440
11.4.12 预测示例440
11.5 小结441
相关图书
- 《党员干部理论学习培训教材 理论热点问题党员干部学习辅导》（中国）胡磊 2018
- 《程序逻辑及C语言编程》卢卫中，杨丽芳主编 2019
- 《幼儿园课程资源丛书 幼儿园语言教育资源》周兢编 2015
- 《深度学习与飞桨PaddlePaddle Fluid实战》于祥 2019
- 《全国普通高等中医药院校药学类专业“十三五”规划教材 第二轮规划教材 有机化学学习指导 第2版》赵骏 2018
- 《高等学校“十三五”规划教材 C语言程序设计》翟玉峰责任编辑；（中国）李聪，曾志华，江伟 2019
- 《智能制造高技能人才培养规划丛书 ABB工业机器人虚拟仿真教程》（中国）工控帮教研组 2019
- 《音乐语言的根基》张艺编着 2019
- 《全国职业院校工业机器人技术专业规划教材 工业机器人现场编程》（中国）项万明 2019
- 《认知语言学视野的抽象方位结构研究》曹爽着 2019
作者其它书籍
- 《R语言机器学习 原书第2版＝MACHINE LEARNING USING R WITH TIME SERIES AND INDUSTRY-BASED USE CASES IN R》SECOND EDITION
- 《Variations I : extra materials》John Cage; C.F. Peters (Firm); Henmar Press (Firm); Edition Peters. 1960
- 《读懂财务报表 第5版》Lyn M.Fraser Aileen Ormiston International Edition 1998
- 《MODERN CRIMINAL LAW CASES》COMMENTS AND QUESTIONS FIFTH EDITION 2011
- 《Introduction to automata theory》languages and computation second edition 2001
- 《ENCYCLOPEDIA OF MOLECULAR CELL BIOLOGY AND MOLECULAR MEDICINE VOLUME 7 INNATE IMMUNITY TO MASS SPE》HIGH SPEED DNA FRAGMENT SIZING SECOND EDITION 2005
- 《REINFORCED AND PRESTRESSED CONCRETE DESIGNCRETE DESIGN TO EC2 THE COMPLETE PROCESS》SECOND EDITION EUGENE OBRIEN 2012
- 《Ullmann’s encyclopedia of industrial chemistry sixth》completely revised edition volume 22 2003
- 《TAXATION OF INTERNATIONAL TRANSACTIONS MATERIALS》TEXT AND PROBLEMS FOURTH EDITION 2011
- 《Statistical Quality Control A Modern Introduction》Sixth Edition 2009
出版社其它书籍
- 《匹克吉他自学教程》李成福编着 2017
- 《殖民统治时期印度文官招录制度研究》周红江着 2019
- 《蒙医五疗器械 曹德木加木苏》呼斯乐着 2017
- 《印度》张淑兰编着 2018
- 《安娜苏的世界》赵阳，郭平建译；（美国）安娜苏，蒂姆·布兰克斯 2019
- 《布兰尼肯夫人》（法）儒勒·凡尔纳着 2020
- 《印度艳异记》张志澄 1934
- 《印度海洋安全战略研究》时宏远着 2019
- 《希特勒的艺术大盗：希特勒布兰德·古利特、纳粹和欧洲珍宝大劫掠=HITLERS ART THIEF HILDEBRAND GURLITT》THE NAZIS （美）苏
- 《带猎犬的女子 布兰奇·克瑙夫，文学品味的不凡定调者》（美）劳拉·克拉利奇着 2019
本类热门
- 1变通 受用一生的学问
- 2额尔古纳河右岸
- 3易经真的很容易
- 4海蒂怀孕大百科 全新第4版
- 5八次危机 中国的真实经验1949-2009
- 6法治的细节
- 7你是你吃出来的
- 8蛤蟆先生的希望
- 9杀死一只知更鸟
- 10天幕红尘
摘要：本书《R语言机器学习 原书第2版＝MACHINE LEARNING USING R WITH TIME SERIES AND INDUSTRY-BASED USE CASES IN R.pdf电子书版文档下载》是一本专注于R语言在机器学习领域的应用书籍。它详细介绍了R语言在时间序列分析和行业案例中的应用，为读者提供了丰富的实践案例和深入的理论知识，是一本不可多得的机器学习学习资料。
1、R语言基础
本书首先介绍了R语言的基础知识，包括R语言的安装、配置、基本语法和数据结构等。通过这些基础知识的学习，读者可以快速上手R语言，为后续的学习打下坚实的基础。
在R语言基础部分，本书详细介绍了R语言的语法规则，包括变量赋值、数据类型、运算符、控制结构等。此外，本书还介绍了R语言的数据结构，如向量、矩阵、数据框等，为读者提供了丰富的数据处理工具。
此外，本书还介绍了R语言的安装和配置方法，包括R语言的下载、安装、环境变量的设置等。这些内容对于初学者来说非常重要，可以帮助他们顺利地开始R语言的学习之旅。
2、机器学习基础
本书接着介绍了机器学习的基础知识，包括机器学习的概念、分类、回归、聚类等。通过这些基础知识的学习，读者可以了解机器学习的基本原理和方法。
在机器学习基础部分，本书详细介绍了各种机器学习算法，如线性回归、逻辑回归、决策树、支持向量机等。通过实例讲解，读者可以了解这些算法的原理和应用场景。
此外，本书还介绍了机器学习中的评估指标，如准确率、召回率、F1值等。这些指标对于评估机器学习模型的性能至关重要。
3、时间序列分析
本书重点介绍了R语言在时间序列分析中的应用，包括时间序列数据的处理、模型构建、预测等。通过这些内容的学习，读者可以掌握R语言在时间序列分析领域的应用技巧。
在时间序列分析部分，本书详细介绍了时间序列数据的处理方法，如数据清洗、数据转换等。此外，本书还介绍了时间序列模型，如ARIMA模型、季节性分解模型等。
此外，本书还介绍了时间序列预测方法，如指数平滑法、神经网络预测等。通过实例讲解，读者可以了解这些方法的应用和效果。
4、行业案例
本书通过丰富的行业案例，展示了R语言在各个领域的应用。这些案例涵盖了金融、医疗、电商、能源等多个行业，为读者提供了实际应用场景的参考。
在行业案例部分，本书以金融行业为例，介绍了R语言在股票价格预测、风险控制等领域的应用。通过实例讲解，读者可以了解R语言在金融领域的实际应用。
此外，本书还介绍了R语言在医疗、电商、能源等行业的应用案例。这些案例不仅展示了R语言在各个领域的应用，还为读者提供了实际问题的解决方案。
总结：
本书《R语言机器学习 原书第2版＝MACHINE LEARNING USING R WITH TIME SERIES AND INDUSTRY-BASED USE CASES IN R.pdf电子书版文档下载》是一本全面、实用的R语言机器学习学习资料。它不仅涵盖了R语言的基础知识和机器学习的基本原理，还通过丰富的案例展示了R语言在各个领域的应用。对于想要学习R语言和机器学习的读者来说，这是一本不可多得的佳作。
本文由nayona.cn整理
该网站所有的联系方式，都是工作人员微信，加不上就联系其他号， 联系我们v；shuij56
