首页›分类›互联网›机器学习的艺术
机器学习的艺术
互联网计算机

机器学习的艺术

诺曼·马特洛夫 著

16.0万字
总字数

支持 PDF · EPUB · Word · TXT 多种格式下载 (PDF 含 A4 / 手机版)

作品简介

机器学习是当下最热门的领域之一。本书是一本基于R语言的机器学习实操指南,通过具体的例子和常见术语解释了机器学习的概念。书中涵盖了机器学习的多个方面,包括所需背景知识、“ge”系列函数、各部分内容架构等。全书介绍了基于近邻的方法(如k近邻算法)及相关的回归和分类模型、基于树的方法(包括决策树、随机森林、梯度提升等)、基于线性关系的方法、基于划分直线与平面的方法(包括支持向量机和神经网络)等。此外,本书也介绍了一些特定类型的机器学习应用,如图像分类、处理时间序列与文本数据等。

本书适合对机器学习感兴趣,有一定R语言编程基础且具备普通数学知识(熟悉图表和简单代数符号)的读者阅读。

出版社人民邮电出版社
出版时间2026-09-01
ISBN9787115666796
共 30 章
版 权 声 明
内 容 提 要
关 于 作 者
关于技术审稿人
致 谢
前 言
资源与支持
第1部分 序言与基于近邻的方法
第1章 回归模型
第2章 分类模型
第3章 偏差、方差、过拟合与交叉验证
第4章 处理大量特征
第2部分 基于树的方法
第5章 比kNN算法更进一步:决策树
第6章 对树的调整
第7章 找一组好的超参数
第3部分 基于线性关系的方法
第8章 参数化方法
第9章 缩小规模:正则化
第4部分 基于划分直线与平面的方法
第10章 边界方法:支持向量机
第11章 针对类固醇的线性模型:神经网络
第5部分 应 用
第12章 图像分类
第13章 处理时间序列与文本数据
附 录
附录A 缩写与符号清单
附录B 统计学与机器学习术语对照表
附录C 矩阵、数据框与因子转换
附录D 陷阱:当心“p值篡改”

读者评论

暂无评论,来发表第一条吧

登录后参与评论

去登录 →