【机器学习与R语言】3-概率学习朴素贝叶斯（NB）
目录 1.理解朴素贝叶斯 1）基本概念 2）朴素贝叶斯算法 2.朴素贝斯分类应用 1）收集数据 2）探索和准备数据 ...
原文：机器学习与R语言：NB
功能描述：演示NB建模过程 数据集：SMS文本信息 tm包：维也纳财经大学提供 第一步：收集数据 import the CSV file sms raw lt read.csv Users chenyangang R语言 data sms spam.csv , stringsAsFactors FALSE 第二步：探索和准备数据 分类变量因子化 spam ham sms raw type lt ...
2016-04-01 15:53 2 1289 推荐指数：
相关推荐
机器学习与R语言
此书网上有英文电子版：Machine Learning with R - Second Edition [eBook].pdf（附带源码） 评价本书：入门级的好书，介绍了多种机器学习方法，全部用R相关的包实现，案例十分详实，理论与实例结合。 目录 第一章 机器学习简介 第二章 数据 ...
【机器学习与R语言】1-机器学习简介
目录 1.基本概念 2.选择机器学习算法 3.使用R进行机器学习 1.基本概念 机器学习：发明算法将数据转化为智能行为 数据挖掘 VS 机器学习：前者侧重寻找有价值的信息，后者侧重执行已知的任务。后者是前者的先期准备 过程：数据——> ...
机器学习-线性回归（基于R语言）
基本概念 利用线性的方法，模拟因变量与一个或多个自变量之间的关系。自变量是模型输入值，因变量是模型基于自变量的输出值。 因变量是自变量线性叠加和的结果。 线性回归模型背后的逻辑——最小 ...
R语言 机器学习包
from:http://www.zhizhihu.com/html/y2009/410.html 机器学习是计算机科学和统计学的边缘交叉领域，R关于机器学习的包主要包括以下几个方面： 1）神经网络（Neural Networks）： nnet包执行单隐层前馈神经网络，nnet是VR包的一部分 ...
【机器学习与R语言】5-规则学习算法
目录 1.分类规则原理 1.1 1R单规则算法 1.2 RIPPER算法 2. 规则学习应用示例 1）收集数据 2）探索和准备数据 3）训练数据 4）评估性能 5）提高性能 6）选择 ...
【机器学习与R语言】9- 支持向量机
目录 1.理解支持向量机（SVM） 1）SVM特点 2）用超平面分类 3）对非线性空间使用核函数 2. 支持向量机应用示例 ...
【机器学习与R语言】6-线性回归
目录 1.理解回归 1）简单线性回归 2）普通最小二乘估计 3）相关系数 4）多元线性回归 2.线性回归应用示例 ...