机器学习(ML)是一组用于发现数据关系的编程技术。使用ML算法,您可以对数据进行聚类和分类,以执行建议或欺诈检测之类的任务,并对销售趋势、风险分析和其他预测进行预测。机器学习曾经是学术数据科学家的领域,现在已经成为主流的业务流程,而像易于学习的R编程语言这样的工具将高质量的数据分析交到任何程序员的手中。《使用R、tidyverse和mlr的机器学习》将教会您广泛使用的ML技术,以及如何使用R编程语言及其强大的工具生态系统将它们应用于您自己的数据集。这本书会让你开始!

对这项技术

机器学习技术准确而有效地识别数据中的模式和关系,并使用这些模型对新数据进行预测。ML技术甚至可以在相对较小的数据集上工作,使这些技能成为几乎所有数据分析任务的强大盟友。R语言的设计考虑了数学和统计的应用。小型数据集是它的最佳选择,它的现代数据科学工具(包括流行的tidyverse包)使R成为ML的自然选择。

关于这本书

《使用R、tidyverse和mlr的机器学习》将教会您如何使用强大的R编程语言从数据中获得有价值的见解。作者兼R专家Hefin Ioan Rhys以其引人入胜的、非正式的风格为ML基础知识打下了坚实的基础,并向您介绍了tidyverse,这是一套专门为实用数据科学设计的强大的R工具。有了这些基础知识,您将更深入地研究常用的机器学习技术,包括分类、预测、约简和聚类算法,并将每种技术应用于实际数据,从而对有趣的问题进行预测。

使用tidyverse包,您将转换、清理和绘制您的数据,并在工作中使用数据科学最佳实践。为了简化您的学习过程,您还将使用R的mlr包,这是一个非常灵活的接口,用于各种核心算法,允许您以最少的编码执行复杂的ML任务。您将探索一些基本概念,如过拟合、欠拟合、验证模型性能,以及如何为您的任务选择最佳模型。富有启发性的图片提供了清晰的解释,巩固了你的新知识。

无论您是在处理业务问题、处理研究数据,还是仅仅是一个有数据头脑的开发人员,您都可以通过本实用教程立即构建自己的ML管道!

里面有什么

  • 常用ML技术
  • 使用tidyverse包来组织和绘制数据
  • 验证模型的性能
  • 为您的任务选择最佳的ML模型
  • 各种实际的编码练习
  • ML的最佳实践
成为VIP会员查看完整内容
127

相关内容

【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
257+阅读 · 2020年6月10日
【Manning新书】现代Java实战,592页pdf
专知会员服务
98+阅读 · 2020年5月22日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
332+阅读 · 2020年3月17日
【2020新书】图机器学习,Graph-Powered Machine Learning
专知会员服务
337+阅读 · 2020年1月27日
【电子书】机器学习实战(Machine Learning in Action),附PDF
专知会员服务
124+阅读 · 2019年11月25日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
Arxiv
43+阅读 · 2019年12月20日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
13+阅读 · 2019年1月26日
Arxiv
18+阅读 · 2019年1月16日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
VIP会员
相关主题
相关VIP内容
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
257+阅读 · 2020年6月10日
【Manning新书】现代Java实战,592页pdf
专知会员服务
98+阅读 · 2020年5月22日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
332+阅读 · 2020年3月17日
【2020新书】图机器学习,Graph-Powered Machine Learning
专知会员服务
337+阅读 · 2020年1月27日
【电子书】机器学习实战(Machine Learning in Action),附PDF
专知会员服务
124+阅读 · 2019年11月25日
相关论文
Arxiv
43+阅读 · 2019年12月20日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
13+阅读 · 2019年1月26日
Arxiv
18+阅读 · 2019年1月16日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
微信扫码咨询专知VIP会员