R语言机器学习(第3版影印版)(英文版)

机器学习的核心是将数 据转换为可操作的知识。R 语言提供了一组强大的机 器学习方法，可以轻松且 快速地从数据中获取相关 信息。 本书第3版提供了具备良 好可读性的实践指南，帮 助你将机器学习应用于实 际问题。无论你是经验丰 富的R语言用户还是刚接触 这门语言的新手。从Brett Lantz这里都可以学到发掘 关键见解、做出新的预测 并可视化你的发现所需的 一切。 新的这本R语言数据科 学的经典之作第3版提供了 更新且更好的库、关于机 器学习中的伦理和偏差问 题的建议以及深度学习的 介绍。在数据中寻找强大 的新见解，通过R语言揭示 机器学习。 你将从本书中学到： 探索机器学习的起源以 及计算机究竟是如何通过 实例进行学习的； 使用R语言为机器学习 工作准备数据； 使用最近邻居和贝叶斯 方法对重要结果进行分类 ； 使用决策树、规则和支 持向量机预测未来事件； 使用回归方法预测数字 数据并估算财务价值； 用人工神经网络——深 度学习的基础来为复杂过 程建模； 避免机器学习模型中的 偏差； 评估模型并提高其性能 ； 将R连接到SQL数据库以 及新兴大数据技术，例如 Spark、H2O和TensorFlow 。

Preface Chapter I-Introducing Machine The origins of machine learning Uses and abuses of machine learning Machine learning successes The Iimits of machine Iearning Machine learning ethics How machines Iearn Data storage Abstraction GeneraIizatiOn Evaluation Machine learning in practice Types ofinput data Types of machine learning algorithms Matching input data to algorithms Machine learning with R Installing R packages Loading and unloading R packages Installing RStudio Summary Chapter 2-Managing and Understanding Data R data structures Vectors Factors Lists Data frames Matrices and arrays Managi ng data with R Saving，loading，and removing R data structures Importing and saving data frOm CSV files Exploring and understanding data Exploring the structure of data Exploring numeric variables Measuring the central tendency-mean and median Measuring spread—-quartiles and the five-number summary Visualizing numeric variables-boxplots Visualizing numeric variables-histograms Understanding numeric data—uniform and normal distributions Measuring spread-variance and standard deviation Exploring categorical variables Measuring the central tendency-the mode Exploring relationships between variables Visualizing relationships-scatterplots Examining relationships-two--way cross_·tabulations Summary Chapter 3-Lazy Learning-Classification Using Nearest Neighbors Understanding nearest neighbor classification The k．NN algorithm