0.0 0人评分
字数:7.9万
点击:2.3万
分类: 人工智能
标签:

用户还喜欢

  • 机器学习与R语言实战

    机器学习与R语言实战

    丘祐玮

    本书共11章。第1章介绍如何创建一个可用的R环境和基本的R命令;第2章讲述如何使用R语言进行探索性数据分析;第3章重点探讨数据采样和概率分布的概念;第4章探讨因变量和解释变量集合之间的线性关系;第5章介绍基于树的分类器:K近邻分类器、逻辑回归分类器以及朴素贝叶斯分类器;第6章神经网络和支持向量机;第7章展示一些模型评估的方法;第8章探讨集成分类器;第9章讲述多种聚类算法;第10章介绍关联分析和序列挖掘;第11章介绍如何从原始变量中选择和抽取特征;第12章讨论大数据分析(R和Hadoop)。

  • 机器学习与R语言

    机器学习与R语言

    【美】Brett Lantz

    机器学习的基本概念和理论,用于机器学习的R软件环境;如何应用R来管理数据,进行数据的探索分析和数据可视化;典型的机器学习算法和案例,并给出了详细的分析步骤;模型性能评价的原理和方法;提高模型性能的几种常用方法;其他机器学习主题。

  • 一本书读懂大数据

    一本书读懂大数据

    章沛轩

    大数据时代,我们需要学会用数据分析问题、解决问题。当下,因为没有数据的精确度量就无法进步。利用数据,我们可以看清、看准、看透所面对的个人问题,工作问题和所从事的商业问题。理解大数据、利用大数据是现代人标配的能力。

  • 数据挖掘与R语言

    数据挖掘与R语言

    【葡】托尔戈(Torgo,L.)

    《计算机科学丛书:数据挖掘与R语言》首先简要介绍了R软件的基础知识(安装、R数据结构、R编程、R的输入和输出等)。然后通过四个数据挖掘的实际案例(藻类频率的预测、证券趋势预测和交易系统仿真、交易欺诈预测、微阵列数据分类)介绍数据挖掘技术。这四个案例基本覆盖了常见的数据挖掘技术,从无监督的数据挖掘技术、有监督的数据挖掘技术到半监督的数据挖掘技术。全书以实际问题、解决方案和对解决方案的讨论为主线来组织内容,脉络清晰,并且各章自成体系。读者可以从头至尾逐章学习,也可以根据自己的需要进行学习,找到自己实际问题的解决方案。读者既可以把《计算机科学丛书:数据挖掘与R语言》作为学习如何应用R的一本优秀教材,也可以作为数据挖掘的工具书。

  • 数据分析:企业的贤内助

    数据分析:企业的贤内助

    陈哲

    本书选择人物对话的形式,通过一问一答把读者带人思考问题的情境,耳濡目染,感同身受。思路上清晰连贯,表达上深入浅出,减少枯燥的概念,增加生动的故事和实用的案例;减少晦涩的公式推导,增加思路引导的互动情境。

R语言数据挖掘

R语言数据挖掘【哈萨克斯坦】贝特·麦克哈贝尔  著

本书介绍了关联规则、分类、聚类分析、异常值探测、数据流挖掘、时间序列、图形挖掘、网络分析、文本挖掘和网络分析等流行的数据挖掘算法,给出了具体算法以及这些算法的伪代码和R语言实现。本书可以作为统计学、计算机等相关专业高年级本科生或研究生的教材,也可以作为数据分析和挖掘等相关研究人员的参考资料。

作者简介

贝特·麦克哈贝尔,为系统构架师,生活在中国北京、上海和乌鲁木齐等地。他于1995至2002年之间在清华大学学习,并获得计算机科学和技术的学士和博士学位。他在机器学习、数据挖掘、自然语言处理(NLP)、分布系统、嵌入系统、网络、移动平台、算法、应用数学和统计领域有丰富的经验。他服务过的客户包括CA Technologies、META4ALL和EDA(DFR的一家子公司)。同时,他也拥有在中国创办公司的经历。

评论

为该书打分

    Hi,,