【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——> ...
原文：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 数据的管理和理解 第三章 懒惰学习 使用近邻分类 第四章 概率学习 朴素贝叶斯分类 第五章 分而治之 应用决策树和规则进行分类 第 ...
2016-07-19 09:01 0 10280 推荐指数：
相关推荐
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：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 #-------- ...
【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 ...
【机器学习与R语言】4-决策树
目录 1.决策树原理 2.决策树应用示例 2.1）收集数据 2.2）探索和准备数据 2.3）训练模型 2.4）评估模型性能 ...