R Unleash Machine Learning Techniques
R Unleash Machine Learning Techniques
本书介绍
了解如何用R构建更智能的机器学习系统，遵循这三个模块课程，成为一个更流畅的机器学习实践者。
关于这本书
用r建立你的信心，找出如何解决大量与数据相关的问题。掌握今天数据科学家和分析人员使用的一些最重要的机器学习技术。不要仅仅学习--通过跟踪涵盖从金融建模到社交媒体分析的所有特色的实际项目来应用你的知识。
这本书是给谁的
针对已经进入数据科学领域的中级到高级人员(特别是数据科学家)。
你会学到什么
掌握r技术来清理和准备你的数据以供分析，并可视化你的结果。从无到有地实现r机器学习算法，并惊讶地看到这些算法在行动中。使用机器学习和r来解决有趣的现实世界问题。编写可重用的代码并从头开始构建完整的机器学习系统。学习专门的机器学习技术，用于文本挖掘、社交网络数据、大数据等等。发现不同类型的机器学习模型，学习哪些是最适合您的数据需求和解决您的分析问题的机器学习模型。评估和改进机器学习模型的性能。学习专门的机器学习技术，用于文本挖掘、社交网络数据、大数据等等。
详情
r是世界各地的数据分析和统计学家的既定语言。你不应该害怕使用它。
这条学习之路将带您了解r的基本原理，并演示如何通过机器学习来解决各种不同的挑战。可访问的，但全面的，它为您提供了您需要的一切，使您成为一个更流畅的数据专业，并对r更有信心。
在第一个模块中，您将掌握R的基本原理--这意味着您将在了解语言如何工作的一些细节之后，再了解如何将您的知识付诸实践，从而构建一些简单的机器学习项目，这些项目可能对一系列现实世界的问题很有用。
对于下面的两个模块，我们将开始更详细地研究机器学习算法。在基础知识的基础上，你将完成三个不同的项目来测试你的技能。涵盖了一些最重要的算法和一些最受欢迎的R软件包，它们都集中在解决不同领域的实际问题，从金融到社交媒体。
这条学习之路是从三种Packt产品中发展出来的:
R Machine Learning By Example By Raghav Bali, Dipanjan Sarkar
Machine Learning with R Learning - Second Edition By Brett Lantz
Mastering Machine Learning with R By Cory Lesmeister
目录
Module 1: R Machine Learning By Example
Chapter 1: Getting Started with R and Machine Learning
Chapter 2: Let's Help Machines Learn
Chapter 3: Predicting Customer Shopping Trends with Market Basket Analysis
Chapter 4: Building a Product Recommendation System
Chapter 5: Credit Risk Detection and Prediction – Descriptive Analytics
Chapter 6: Credit Risk Detection and Prediction – Predictive Analytics
Chapter 7: Social Media Analysis – Analyzing Twitter Data
Chapter 8: Sentiment Analysis of Twitter Data
Module 2: Machine Learning with R
Chapter 1: Introducing Machine Learning
Chapter 2: Managing and Understanding Data
Chapter 3: Lazy Learning – Classification Using Nearest Neighbors
Chapter 4: Probabilistic Learning – Classification Using Naive Bayes
Chapter 5: Divide and Conquer – Classification Using Decision Trees and Rules
Chapter 6: Forecasting Numeric Data – Regression Methods
Chapter 7: Black Box Methods – Neural Networks and Support Vector Machines
Chapter 8: Finding Patterns – Market Basket Analysis Using Association Rules
Chapter 9: Finding Groups of Data – Clustering with k-means
Chapter 10: Evaluating Model Performance
Chapter 11: Improving Model Performance
Chapter 12: Specialized Machine Learning Topics
Module 3: Mastering Machine Learning with R
Chapter 1: A Process for Success
Chapter 2: Linear Regression – The Blocking and Tackling of Machine Learning
Chapter 3: Logistic Regression and Discriminant Analysis
Chapter 4: Advanced Feature Selection in Linear Models
Chapter 5: More Classification Techniques – K-Nearest Neighbors and Support Vector Machines
Chapter 6: Classification and Regression Trees
Chapter 7: Neural Networks
Chapter 8: Cluster Analysis
Chapter 9: Principal Components Analysis
Chapter 10: Market Basket Analysis and Recommendation Engines
Chapter 11: Time Series and Causality
Chapter 12: Text Mining
Appendix: R Fundamentals