![]() ![]() |
数据科学基础——基于R与Python的实现
本书第1章是关于数据及初等的描述,这是初识真实数据所必需的。第2章介绍概率论的基本知识, 这是描述随机世界的数学工具, 对这部分熟悉的读者可以仅仅作为参考。第3章介绍了传统统计的基本思维方式, 这部分虽然和后续内容关系不大, 但由于是历史, 应该保留, 但可以仅作为参考或讨论。第4章介绍有监督机器学习基础, 包括建模、模型解释、模型预测、基于交叉验证的模型比较等内容, 系统深入地介绍回归及分类方法的概念及方法。作为监督学习载体的具体模型, 不但介绍了传统统计中最常用的最小二乘线性回归, 还从基本原理到编程全方位介绍了作为机器学习中最重要的基本学习器之一的决策树, 为后面要引进的更精确的组合方法奠定了基础.。第5章介绍了组合方法及若干重要的组合方法模型: bagging、随机森林、梯度增强法和 AdaBoost。 第6章详细地介绍了人工神经网络的基本概念, 人工神经网络是深度学习的基础, 理解神经网络对今后学习深度学习有很大的益处。
你还可能感兴趣
我要评论
|