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.
