機(jī)器學(xué)習(xí)的核心是將數(shù)據(jù)轉(zhuǎn)換為可操作的知識(shí)。R語(yǔ)言提供了一組強(qiáng)大的機(jī)器學(xué)習(xí)方法，可以輕松且快速地從數(shù)據(jù)中獲取相關(guān)信息。

這本R語(yǔ)言數(shù)據(jù)科學(xué)經(jīng)典之作的第3版，提供了更新且更好的庫(kù)、關(guān)于機(jī)器學(xué)習(xí)中的倫理和偏差問(wèn)題的建議以及深度學(xué)習(xí)的介紹。在數(shù)據(jù)中尋找強(qiáng)大的新見(jiàn)解，通過(guò)R語(yǔ)言揭示機(jī)器學(xué)習(xí)。

你將從本書中學(xué)到：

探索機(jī)器學(xué)習(xí)的起源以及計(jì)算機(jī)究竟是如何通過(guò)實(shí)例進(jìn)行學(xué)習(xí)的

使用R語(yǔ)言為機(jī)器學(xué)習(xí)工作準(zhǔn)備數(shù)據(jù)

使用最近鄰和貝葉斯方法對(duì)重要結(jié)果進(jìn)行分類

使用決策樹(shù)、規(guī)則和支持向量機(jī)預(yù)測(cè)未來(lái)事件

使用回歸方法預(yù)測(cè)數(shù)字?jǐn)?shù)據(jù)并估算財(cái)務(wù)價(jià)值

用人工神經(jīng)網(wǎng)絡(luò)——深度學(xué)習(xí)的基礎(chǔ)來(lái)為復(fù)雜過(guò)程建模

避免機(jī)器學(xué)習(xí)模型中的偏差

評(píng)估模型并提高其性能

將R連接到SQL數(shù)據(jù)庫(kù)以及新興大數(shù)據(jù)技術(shù)，例如Spark、H20和TensorFlow