R語言機器學習(原書第2版)
作 者: (印)卡西克·拉瑪蘇布蘭馬尼安(Karthik Ramasubramanian),(印)阿布舍克·辛格( Abhishek Singh) 著 吳今朝 譯
定 價: 119
出?版?社: 機械工業出版社
出版日期: 2020年01月01日
頁 數: 441
裝 幀: 平裝
ISBN: 9787111641049
●譯者序
前言
章機器學習和R語言入門
1.1了解發展歷程
1.1.1統計學習
1.1.2機器學習
1.1.3人工智能
1.1.4數據挖掘
1.1.5數據科學
1.2概率與統計
1.2.1計數和概率的定義
1.2.2事件和關繫
1.2.3隨機性、概率和分布
1.2.4置信區間和假設檢驗
1.3R語言入門
1.3.1基本組成部分
1.3.2R語言的數據結構
1.3.3子集處理
1.3.4數和Apply繫列
1.4機器學習過程工作流
1.4.1計劃
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章數據準備和探索
2.1規劃數據收集
2.1.1變量類型
2.1.2數據格式
2.1.3數據源的類型
2.2初始數據分析
2.2.1初步印像
2.2.2把多個數據源組織到一起
2.2.3整理數據
2.2.4補充更多信息
2.2.5重塑
2.3探索性數據分析
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數據探索
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抽樣分布
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彙總的均值和方差
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語言裡的數據可視化
第5章特征工程
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
0章可擴展機器學習和相關技術
1章用Keras和TensorFlow進行深度學習
內容簡介
《R語言機器學習（原書第2版）》主要在版的基礎上增加了兩個部分：一個是關於時間序列模型的新章節（第9章），這是一個源於統計學的傳統主題。第二個新增的章節是深度學習（1章），它是機器學習的一個迅速崛起的子領域。除了增加這兩個章節之外，書中的文本和代碼會以一種讀者友好的新格式來整體呈現。新版會繼續專注於使用流行的統計編程語言R來構建用例。對於深度學習這樣的主題，我們建議采用Python語言來配合TensorFlow這樣的框架。但是，在第2版中，我們會向讀者展示如何在TensorFlow中使用R語言編程，因此如果讀者隻熟悉R，可以暫時無須學習Python。與版一樣，我們通過各種實際用例保持了機器學習理論與應用的良好平衡，為讀者提供了一個真正全面的機器學習主題集合。
(印)卡西克·拉瑪蘇布蘭馬尼安(Karthik Ramasubramanian),(印)阿布舍克·辛格( Abhishek Singh) 著 吳今朝 譯
卡西克·拉瑪蘇布蘭馬尼安（Karthik Ramasubramanian）就職於印度創業技術公司Hike Messenger。他一直為零售、電子商務和技術行業解決跨行業的數據科學問題，開發數據驅動的解決方案並進行原型構建。Karthik對整個數據科學生命周期（從探索數據問題，到創建數據科學模型，以及開發各行業相關產品）都具有豐富的經驗。
阿布舍克·辛格（ Abhishek Singh）領導的數據科學專業團隊正在解決糧食安全、網絡安全、自然災害、醫療保健以及更多領域的緊迫問題。他對美國銀行的資產進行了壓力測試，開發了保險定價模型，並優化了客戶的電信體驗。他積極參與數據科學分析相關的思......
