Strojové učenie s R, Tidyverse a Mlr

Recenzie čitateľov

Kniha má zmiešané hodnotenia, niektorí ju považujú za užitočnú pre začiatočníkov, iní kritizujú jej ľahký obsah. Poskytuje solídny úvod do strojového učenia a obsahuje praktické príklady, najmä pre R a Tidyverse.

⬤ Dobre štruktúrovaný a komplexný úvod do strojového učenia
⬤ užitočný pre začiatočníkov
⬤ obsahuje vysvetlenia popri krokoch
⬤ praktické príklady, ktoré fungujú
⬤ dobrá kapitola o Tidyverse.

⬤ Obsah môže byť pre niektorých čitateľov príliš ľahký
⬤ sklamanie zaznamenali niektorí fanúšikovia iných kníh Manning Publications
⬤ odporúčané alternatívy naznačujú, že nemusí spĺňať všetky potreby.

(na základe 5 čitateľských recenzií)

Pôvodný názov:

Machine Learning with R, the Tidyverse, and Mlr

Obsah knihy:

Zhrnutie.

Strojové učenie (ML) je súbor programovacích techník na zisťovanie vzťahov v údajoch. Pomocou algoritmov ML môžete zhlukovať a klasifikovať údaje na účely úloh, ako je vytváranie odporúčaní alebo odhaľovanie podvodov, a vytvárať predpovede na účely trendov predaja, analýzy rizík a iných prognóz. Kedysi bolo strojové učenie doménou akademických dátových vedcov, teraz sa stalo bežným obchodným procesom a nástroje, ako je napríklad ľahko naučiteľný programovací jazyk R, dávajú kvalitnú analýzu údajov do rúk každému programátorovi. V knihe Machine Learning with R, the tidyverse, and mlr sa naučíte široko používané techniky ML a ako ich aplikovať na vlastné súbory dát pomocou programovacieho jazyka R a jeho výkonného ekosystému nástrojov. Táto kniha vám pomôže začať!

Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.

O knihe: Vydanie knihy R: 1.

Strojové učenie s R, tidyverse a mlr vám pomôže začať so strojovým učením pomocou R Studia a úžasného balíka na strojové učenie mlr. Táto praktická príručka zjednodušuje teóriu a vyhýba sa zbytočne komplikovanej štatistike alebo matematike. Všetky základné techniky ML sú zrozumiteľne vysvetlené prostredníctvom grafiky a ľahko pochopiteľných príkladov. V každej pútavej kapitole uvediete do praxe nový algoritmus na riešenie bizarného problému prediktívnej analýzy vrátane šance na prežitie Titanicu, filtrovania nevyžiadanej pošty a vyšetrovania otráveného vína.

Čo je vo vnútri.

Používanie balíkov tidyverse na spracovanie a vykresľovanie údajov.

Techniky pre učenie pod dohľadom a bez dohľadu.

Algoritmy klasifikácie, regresie, redukcie dimenzií a zhlukovania.

Štatistický základ na vyplnenie medzier vo vašich vedomostiach.

O čitateľovi.

Pre nováčikov v oblasti strojového učenia so základnými zručnosťami v jazyku R.

Informácie o autorovi.

Hefin I. Rhys je starším vedeckým pracovníkom laboratória v Inštitúte Francisa Cricka. Na YouTube prevádzkuje vlastný kanál s výučbovými programami pre R a RStudio.

Obsah:

ČASŤ 1 - ÚVOD.

1. Úvod do strojového učenia.

2. Upratovanie, manipulácia a vykresľovanie údajov pomocou programu tidyverse.

2. ČASŤ - KLASIFIKÁCIA.

3. Klasifikácia na základe podobnosti s k-najbližšími susedmi.

4. Klasifikácia na základe šancí pomocou logistickej regresie.

5. Klasifikácia na základe maximalizácie separácie s diskriminačnou analýzou.

6. Klasifikácia pomocou naivného Bayesa a strojov podporných vektorov.

7. Klasifikácia pomocou rozhodovacích stromov.

8. Zlepšovanie rozhodovacích stromov pomocou náhodných lesov a boostingu.

ČASŤ 3 - REGRESIA.

9. Lineárna regresia.

10. Nelineárna regresia so zovšeobecnenými aditívnymi modelmi.

11. Predchádzanie nadmernému prispôsobeniu pomocou hrebeňovej regresie, LASSO a elastickej siete.

12. Regresia s kNN, náhodným lesom a XGBoost.

ČASŤ 4 - REDUKCIA DIMENZIE.

13. Maximalizácia rozptylu pomocou analýzy hlavných komponentov.

14. Maximalizácia podobnosti pomocou t-SNE a UMAP.

15. Samoorganizujúce sa mapy a lokálne lineárne vnorenie.

ČASŤ 5 - ZHLUKOVANIE.

16. Zhlukovanie pomocou hľadania centier s k-means.

17. Hierarchické zhlukovanie.

18. Zhlukovanie na základe hustoty: DBSCAN a OPTICS.

19. Zhlukovanie založené na rozdeleniach s modelovaním zmesí.

20. Záverečné poznámky a ďalšie čítanie.