Машинное обучение на R: экспертные техники для прогностического анализа
Язык R предлагает мощный набор методов машинного обучения, позволяющих быстро проводить нетривиальный анализ ваших данных.
Книга является руководством, которое поможет применять методы машинного обучения в решении ежедневных задач. Бретт Ланц научит всему необходимому для анализа данных, формирования прогнозов и визуализации данных.
Здесь вы найдете информацию о новых улучшенных библиотеках, советы об этических аспектах машинного обучения и проблемах предвзятости, а также познакомитесь с глубоким обучением.
В этой книге
- Основы машинного обучения и особенности обучения компьютера на примерах.
- Подготовка данных к использованию в машинном обучении средствами языка R.
- Классификация значимости результатов.
- Предсказание событий с помощью деревьев решений, правил и опорных векторов.
- Прогнозирование числовых данных и оценка финансовых данных с помощью регрессионных методов.
- Моделирование сложных процессов с использованием нейронных сетей – фундамент глубокого обучения.
- Оценка моделей и улучшение их производительности.
- Новейшие технологии для обработки больших данных, в частности R 3.6, Spark, H2O и TensorFlow.
Книга является руководством, которое поможет применять методы машинного обучения в решении ежедневных задач. Бретт Ланц научит всему необходимому для анализа данных, формирования прогнозов и визуализации данных.
Здесь вы найдете информацию о новых улучшенных библиотеках, советы об этических аспектах машинного обучения и проблемах предвзятости, а также познакомитесь с глубоким обучением.
В этой книге
- Основы машинного обучения и особенности обучения компьютера на примерах.
- Подготовка данных к использованию в машинном обучении средствами языка R.
- Классификация значимости результатов.
- Предсказание событий с помощью деревьев решений, правил и опорных векторов.
- Прогнозирование числовых данных и оценка финансовых данных с помощью регрессионных методов.
- Моделирование сложных процессов с использованием нейронных сетей – фундамент глубокого обучения.
- Оценка моделей и улучшение их производительности.
- Новейшие технологии для обработки больших данных, в частности R 3.6, Spark, H2O и TensorFlow.
