《R语言机器学习:实用案例分析》源代码

《R语言机器学习:实用案例分析》源代码

  • 大小:1.1 MB
  • 类型:配书资源
  • 格式:PDF
  • 出版:机械工业出版社
  • 作者:拉格哈夫?巴利
  • 更新:2022-07-27 14:38:28
版权投诉 / 资源反馈(本资源由用户 郭温纶 投稿)

这是一个关于R语言相关的资料,由机械工业出版社出版,作者是拉格哈夫?巴利,介绍了关于R语言、机器学习、源代码方面,格式为PDF,资源大小1.1 MB,目前在R语言类资源综合评分为:7.4分。

随着大数据的概念变得越来越流行,对数据的探索、分析和预测成为大数据分析领域的基本技能之一。作为探索和分析数据的基本理论与工具,机器学习和数据挖掘成为时下非常热门的技术。R作为功能强大并且免费的数据分析工具,在机器学习领域获得了越来越多

用户的青睐。本书介绍了如何用R来进行实际应用中的机器学习,以及如何从数据中获取信息以帮助决策。本书的作者Raghav Bali在机器学习领域具有丰富的实践经验。他在本书中介绍了多种机器学习算法,并且给出了机器学习最热门的3个领域(涵盖电子商务、金融和社交媒体领域)中的案例。对于每一个实际案例,从对案例数据的探索、整理,到模型的建立和评估,每一步都给出了详尽的步骤和R代码。读者从中可以掌握机器学习和R语言的应用与技巧,同时也可以学习相关的领域知识。

本书共分8章。第1章介绍了R语言和机器学习的基本概念与理论。第2章介绍了机器学习的核心概念和各种类型的机器学习算法与应用。第3章到第8章以现实世界中的3个典型机器学习案例为线索,介绍了应用R进行机器学习和数据分析的整个过程。它们分别是:市场
购物篮分析和推荐系统、信用风险检测和预测的描述性分析与预测性分析、社交媒体数据分析。

封面图

目录

  • 译者序
  • 前言
  • 关于作者
  • 关于审稿人
  • 第1章开始使用R语言和机器学习1
  • 1.1探究R的基本内容2
  • 1.1.1使用R作为科学计算器2
  • 1.1.2向量运算3
  • 1.1.3特殊值5
  • 1.2R的数据结构5
  • 1.2.1向量6
  • 1.2.2数组和矩阵8
  • 1.2.3列表13
  • 1.2.4数据框16
  • 1.3使用函数20
  • 1.3.1内置函数20
  • 1.3.2用户自定义函数20
  • 1.3.3以参数形式传递函数21
  • 1.4控制代码流22
  • 1.4.1使用if、if-else和ifelse语句22
  • 1.4.2使用switch语句23
  • 1.4.3循环23
  • 1.5高级结构24
  • 1.5.1lapply和sapply函数25
  • 1.5.2apply函数26
  • 1.5.3tapply函数27
  • 1.5.4mapply函数28
  • 1.6进一步使用R29
  • 1.6.1获得帮助29
  • 1.6.2处理添加包30
  • 1.7机器学习基础30
  • 1.7.1机器学习——真正的含义是什么30
  • 1.7.2机器学习——如何应用于现实世界31
  • 1.7.3机器学习算法的类型32
  • 1.8总结33
  • 第2章让我们进行机器学习34
  • 2.1理解机器学习35
  • 2.2机器学习算法35
  • 2.3算法家族40
  • 2.3.1有监督学习算法41
  • 2.3.2无监督学习算法52
  • 2.4总结57
  • 第3章应用市场购物篮分析预测顾客购买趋势58
  • 3.1检测和预测趋势59
  • 3.2市场购物篮分析60
  • 3.2.1市场购物篮分析的真正含义60
  • 3.2.2核心概念和定义60
  • 3.2.3用于分析的技术62
  • 3.2.4制定数据驱动的决策63
  • 3.3评估产品列联矩阵63
  • 3.3.1获取数据64
  • 3.3.2分析和可视化数据65
  • 3.3.3整体推荐66
  • 3.3.4高级列联矩阵67
  • 3.4频繁项集的生成69
  • 3.4.1开始69
  • 3.4.2数据检索和转换69
  • 3.4.3建立项集关联矩阵70
  • 3.4.4建立频繁项集生成工作流72
  • 3.4.5检测购物趋势74
  • 3.5关联规则挖掘75
  • 3.5.1加载添加包和数据76
  • 3.5.2探索性分析76
  • 3.5.3检测和预测购物趋势77
  • 3.5.4关联规则可视化80
  • 3.6总结80
  • 第4章建立产品推荐系统82
  • 4.1理解推荐系统83
  • 4.2推荐系统存在的问题83
  • 4.3协同过滤器84
  • 4.3.1核心概念和定义84
  • 4.3.2协同过滤算法85
  • 4.4建立推荐引擎87
  • 4.4.1矩阵分解88
  • 4.4.2算法实现90
  • 4.4.3解释结果94
  • 4.5产品推荐引擎实战95
  • 4.5.1提取、转换并分析数据96
  • 4.5.2模型准备和预测99
  • 4.5.3模型评价100
  • 4.6总结102
  • 第5章信用风险检测和预测——描述分析103
  • 5.1分析的类型104
  • 5.2我们将要面临的挑战104
  • 5.3什么是信用风险105
  • 5.4获取数据105
  • 5.5数据处理107
  • 5.5.1处理缺失值107
  • 5.5.2数据类型转换108
  • 5.6数据分析和变换109
  • 5.6.1建立分析实用函数110
  • 5.6.2分析数据集113
  • 5.6.3保存变换后的数据集130
  • 5.7接下来的步骤130
  • 5.7.1建立特征集130
  • 5.7.2选择机器学习算法131
  • 5.8总结131
  • 第6章信用风险检测和预测——预测分析133
  • 6.1预测分析134
  • 6.2如何预测信用风险135
  • 6.3预测模型中的重要概念137
  • 6.3.1准备数据137
  • 6.3.2建立预测模型137
  • 6.3.3评估预测模型138
  • 6.4获取数据140
  • 6.5数据处理141
  • 6.6特征选择142
  • 6.7应用逻辑回归建立模型144
  • 6.8应用支持向量机建立模型148
  • 6.9应用决策树建立模型156
  • 6.10应用随机森林建立模型161
  • 6.11应用神经网络建立模型165
  • 6.12模型比较和选择169
  • 6.13总结171
  • 第7章社交媒体分析:分析Twitter数据172
  • 7.1社交网络(Twitter)172
  • 7.2数据挖掘与社交网络174
  • 7.2.1挖掘社交网络数据175
  • 7.2.2数据和可视化176
  • 7.3从Twitter API开始179
  • 7.3.1概览179
  • 7.3.2注册应用180
  • 7.3.3链接/认证181
  • 7.3.4提取推文示例182
  • 7.4Twitter数据挖掘183
  • 7.4.1常用词汇和关联186
  • 7.4.2广泛使用的设备191
  • 7.4.3层次聚类192
  • 7.4.4主题建模194
  • 7.5社交网络数据挖掘带来的挑战197
  • 7.6参考文献198
  • 7.7总结198
  • 第8章Twitter数据的情感分析200
  • 8.1理解情感分析201
  • 8.1.1情感分析的关键概念201
  • 8.1.2方法204
  • 8.1.3应用205
  • 8.1.4挑战206
  • 8.2推文中的情感分析206
  • 8.2.1极性分析208
  • 8.2.2基于分类的算法212
  • 8.3总结223

以上就是本次关于本资源的介绍和部分内容,我们还整理了以往更新的其它相关配套资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

R语言相关资源

  • 预测分析建模:Python与R语言实现

    预测分析建模:Python与R语言实现

    本书介绍使用R与Python预测分析建模来解决实际问题,,并提供有效的解决方法。通过展示建模技术和编程工具,我们将抽象的概念转换为具体的例子,推荐阅读

    大小:79.4 MBPython

  • 《R语言之书:编程与统计》配套资源

    《R语言之书:编程与统计》配套资源

    内容介绍 本书由浅入深、全面系统地介绍了R语言的编程和统计知识,为读者了解现代数据科学的计算方法奠定了比较坚实的基础。 本书包括语言、编程、统计学和概率、统计检验和建模、绘图共5个部分,基本涵盖了国外大学一、二年级的统计学课程。在讲授知识的同时,本书注重学以致用,每章穿插了许多练习,方便读者动手操作;每章结尾提供了本章讲述的代码汇总,方便读者快速查阅。通过对本书循序渐进的学习,读者可以逐步构建自己的知识体

    大小:664.19 KBR语言

  • R语言之数据库交互及统计绘图

    R语言之数据库交互及统计绘图

    R与数据库:各有所长、取长补短 R与数据库:两种连接方式 ODBC(Open DataBase Connectivity),开放式数据库连接 DBI(DataBase Interface)方式: ROracle、RMysqlhellip;hellip; 目录 R数据库交互 #61692; R语言与数据库#61692; nbsp;通过RODBC进行数据存取#61548; R统计绘图#61692; R语言与统计绘图#61692; R的高水平绘图函数#61692; R的常用绘图参数#61692; R的低水平绘图

    大小:593 KBR语言

  • 《深度学习:R语言实践指南》源码

    《深度学习:R语言实践指南》源码

    2013年,《MIT Technology Review》杂志将深度学习列为年度十大突破性技术之首。作为当下热门的科技领域之一,深度学习在诸如无人驾驶、社交平台上的图像识别、智能翻译等领域相继取得了突破性的进展,无论是在工业界还是在学术界均引起了广泛关注,并源源不断地涌现出了许多丰富而有益的创造。但不可否认的是,由于对该领域知识的匮乏,即使是专家也可能在特定情况下因使用一些比较差劲的工具而得到糟糕的结果,更不用说深度学习的初学者。因

    大小:3.8 MB深度学习

下载地址

学习笔记

16小时7分钟前回答

r语言和python什么意思

R语言 1、R是一个有着统计分析功能及强大作图功能的软件系统。R内含了许多实用的统计分析及作图参数。作图参数能将产生的展示在一个独立的窗口中。并能将之保存为各种形式的文件(jpg,png,bmp,ps,pdf,emf,pictex,xfig),具体形式取……

13小时20分钟前回答

r语言处理数据比python慢吗

什么是R语言? R语言,一种自由软件编程语言与操作环境,主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的罗斯·伊哈卡和罗伯特·杰特曼开发(也因此称为R),现在由“R开发核心团队”负责开发。R基于S语言……