Machine Learning Essentials: Practical Guide in R
Veritabanları ve Büyük Veriler
Alboukadel Kassambara yazarının Machine Learning Essentials: Practical Guide in R kitabı da dahil olmak üzere birçok dosya aşağıdaki bölümleri de içerebilir:
- imza dosyası: çeşitli varlıklar için dijital imzalar içerir.
- şifreleme.xml: yayımlama kaynaklarının şifrelenmesiyle ilgili bilgileri içerir. (Yazı tipi gizleme kullanılıyorsa bu dosya gereklidir.)
- meta veriler: kapsayıcı hakkında meta verileri depolamak için kullanılır.
- haklar: Machine Learning Essentials: Practical Guide in R kitabının dijital haklarıyla ilgili bilgileri depolamak için kullanılır.
XHTML içerik belgeleri ayrıca zengin meta verilerle Machine Learning Essentials: Practical Guide in R kitap işaretlemesine açıklama ekleme olanakları içerir, bu da onları hem işleme hem de erişilebilirlik amaçları için anlamsal olarak daha anlamlı ve kullanışlı hale getirir.
E içerik belgeleri, bir yayının okunabilir içeriğini tanımlayan ve ilgili medya varlıklarına (görüntüler, ses ve video klipler gibi) bağlantı veren XHTML (HTML5 profili tarafından tanımlanır) veya SVG belgeleri vb.'dir.
yazar | Alboukadel Kassambara |
---|
1 x 15 x 21 cm Philip M. Parker Ph.D 13 Şubat 2020 21,6 x 1,7 x 27,9 cm 21 Ocak 2019 Vismont Studios 3 Ocak 2017 21,6 x 1,9 x 27,9 cm Lina Scatia 5 Ocak 2017 Maya Violet 15,2 x 0,6 x 22,9 cm 21,6 x 2 x 27,9 cm 15 x 0,4 x 22 cm 20 Kasım 2020 Kolektif 18 Kasım 2020 Prof Philip M. Parker Ph.D.
okumak okumak kayıt olmadan
yazar Machine Learning Essentials: Practical Guide in R | Alboukadel Kassambara |
---|
Discovering knowledge from big multivariate data, recorded every days, requires specialized machine learning techniques.This book presents an easy to use practical guide in R to compute the most popular machine learning methods for exploring real word data sets, as well as, for building predictive models. The main parts of the book include: A) Unsupervised learning methods, to explore and discover knowledge from a large multivariate data set using clustering and principal component methods. You will learn hierarchical clustering, k-means, principal component analysis and correspondence analysis methods. B) Regression analysis, to predict a quantitative outcome value using linear regression and non-linear regression strategies. C) Classification techniques, to predict a qualitative outcome value using logistic regression, discriminant analysis, naive bayes classifier and support vector machines. D) Advanced machine learning methods, to build robust regression and classification models using k-nearest neighbors methods, decision tree models, ensemble methods (bagging, random forest and boosting). E) Model selection methods, to select automatically the best combination of predictor variables for building an optimal predictive model. These include, best subsets selection methods, stepwise regression and penalized regression (ridge, lasso and elastic net regression models). We also present principal component-based regression methods, which are useful when the data contain multiple correlated predictor variables. F) Model validation and evaluation techniques for measuring the performance of a predictive model. G) Model diagnostics for detecting and fixing a potential problems in a predictive model. The book presents the basic principles of these tasks and provide many examples in R. This book offers solid guidance in data mining for students and researchers. Key features: Covers machine learning algorithm and implementationKey mathematical concepts are presentedShort, self-contained chapters with practical examples.
En son kitaplar
benzer kitaplar
Inter-Rater Reliability Essentials: Practical Guide In R
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Data Mining for the Masses, Third Edition: With Implementations in RapidMiner and R
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Building Analytics Teams: Harnessing analytics and artificial intelligence for business improvement
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Jean Kirschtein: Attack On Titan, Jean, 112 Lined Pages, 6 x 9 in, Anime Notebook Diamond
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Composition Notebook: Wide Ruled Paper Notebook / 7.5" x 9.25" / 110 Pages / Theme universe aquarell / For girls, teens, students, kids and adults
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Inter-Rater Reliability Essentials: Practical Guide In R
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Data Mining for the Masses, Third Edition: With Implementations in RapidMiner and R
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Building Analytics Teams: Harnessing analytics and artificial intelligence for business improvement
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Jean Kirschtein: Attack On Titan, Jean, 112 Lined Pages, 6 x 9 in, Anime Notebook Diamond
Veritabanları ve Büyük Veriler
okumak kayıt olmadan
Composition Notebook: Wide Ruled Paper Notebook / 7.5" x 9.25" / 110 Pages / Theme universe aquarell / For girls, teens, students, kids and adults
Veritabanları ve Büyük Veriler
okumak kayıt olmadan