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.
Машинное обучение на R: экспертные техники для прогностического анализа
₽2988. ₽2868.
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.