Bewertung:
Das Buch ist ein hervorragender Leitfaden für die Einführung in maschinelles Lernen in R, der komplexe Konzepte für Anfänger leicht verständlich macht. Es wird jedoch stark kritisiert, weil es zahlreiche Tippfehler und Irrtümer enthält, die den Leser verwirren können, insbesondere den Anfänger.
Vorteile:⬤ Leicht zu verstehen
⬤ guter einführender Inhalt
⬤ umfassende Einführung in Konzepte des maschinellen Lernens
⬤ enthält praktische Beispiele unter Verwendung des Caret-Pakets
⬤ gute Struktur für Anfänger.
⬤ Voller Tippfehler und Irrtümer
⬤ Ausgabe stimmt nicht mit dem bereitgestellten Text überein
⬤ Probleme mit der Druckqualität
⬤ viele Leser empfehlen, aufgrund des fehlenden Korrekturlesens auf eine überarbeitete Ausgabe zu warten.
(basierend auf 7 Leserbewertungen)
Introduction to Machine Learning with R: Rigorous Mathematical Analysis
Maschinelles Lernen ist ein einschüchterndes Thema, bis man die Grundlagen kennt. Wenn Sie mit grundlegenden Programmierkonzepten vertraut sind, wird Ihnen dieser Einführungsleitfaden helfen, eine solide Grundlage für die Prinzipien des maschinellen Lernens zu schaffen.
Unter Verwendung der Programmiersprache R lernen Sie zunächst die Regressionsmodellierung kennen, bevor Sie sich fortgeschritteneren Themen wie neuronalen Netzen und baumbasierten Methoden zuwenden. Sobald Sie sich mit Themen wie dem Unterschied zwischen Regressions- und Klassifikationsmodellen vertraut gemacht haben, werden Sie in der Lage sein, eine Reihe von Problemen des maschinellen Lernens zu lösen. Der Autor Scott V.
Burger stellt mehrere Beispiele zur Verfügung, die Ihnen dabei helfen, ein funktionierendes Wissen über maschinelles Lernen aufzubauen.
Lernen Sie Modelle, Algorithmen und Datentraining für maschinelles Lernen kennen. Verstehen Sie die Algorithmen des maschinellen Lernens für überwachte und nicht überwachte Fälle.
Untersuchung statistischer Konzepte für den Entwurf von Daten zur Verwendung in Modellen. Eintauchen in lineare Regressionsmodelle, die in Wirtschaft und Wissenschaft verwendet werden. Verwendung von einschichtigen und mehrschichtigen neuronalen Netzen zur Berechnung von Ergebnissen.
Untersuchen Sie die Funktionsweise baumbasierter Modelle, einschließlich beliebter Entscheidungsbäume. Verschaffen Sie sich einen umfassenden Überblick über das Ökosystem des maschinellen Lernens in R. Erkunden Sie die leistungsstarken Werkzeuge, die im R-Paket caret verfügbar sind.
| ISBN: | 9781491976449 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 200 |
Derzeit verfügbar, auf Lager.
