




本书探讨了如何使用R语言进行机器学习,涵盖基本的原理和方法,并通过大量的示例和练习,让读者掌握R语言的数据处理技巧。本书包括入门、回归、分类、模型的评估和改进、无监督学习五大部分,涉及线性回归、logistic 回归、k近邻、朴素贝叶斯、决策树、聚类和关联规则 等机器学习模型。
本书配套提供相关的代码和数据,方便读者学习和使用。
本书适合R语言和机器学习的爱好者、从业者以及相关院校的师生选用。
作者简介:
Fred Nwanganga,美国圣母大学门多萨商学院商业分析专业助理教授,拥有超过15年的技术领导经验。 Mike Chapple,美国圣母大学门多萨商学院信息技术、分析和运营系副教授,目前担任该大学商业分析硕士项目的学术主任,出版了20多本书籍。
目录:
第 1 章 什么是机器学习 2
第 2 章 R 和 RStudio 简介 17
第 3 章 数据管理 38
第 4 章 线性回归 72
第 5 章 logistic 回归 113
第 6 章 k 近邻 152
第 7 章 朴素贝叶斯 171
第 8 章 决策树 188
第 9 章 评估模型 208
第 10 章 改进模型 232
第 11 章 用关联规则发现模式 252
第 12 章 用聚类对数据分组 269
点击下载