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。R語言提供了一組強(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、關(guān)于機(jī)器學(xué)習(xí)中的倫理和偏差問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)大的新見解，通過R語言揭示機(jī)器學(xué)習(xí)。

你將從本書中學(xué)到：

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

使用R語言為機(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重要結(jié)果進(jìn)行分類

使用決策樹、規(guī)則和支持向量機(jī)預(yù)測未來事件

使用回歸方法預(yù)測數(shù)字?jǐn)?shù)據(jù)并估算財務(wù)價值

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

避免機(jī)器學(xué)習(xí)模型中的偏差

評估模型并提高其性能

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