《机器学习与数据科学(基于R的统计学习方法)》——1.11 小结
2023-09-11 14:17:45 时间
本节书摘来异步社区《机器学习与数据科学(基于R的统计学习方法)》一书中的第1章,第1.11节,作者:【美】Daniel D. Gutierrez(古铁雷斯),更多章节内容可以访问云栖社区“异步社区”公众号查看。
1.11 小结在本章中,我们对机器学习领域(也被称为统计学习)进行了介绍。另外,我们做好了开始一个数据科学项目的准备,并提供了一个路线图来作为本书的向导。建立一个机器语言解决方案的第1步是探索以各种常用格式连接数据集的方法。在第2章中,你将看到很多连接数据的例子,可以加入到你的数据科学工具箱中。
下面是本章知识点小结:
简要介绍了接下去要学习的两种机器学习类型:监督学习和非监督学习。
使用Kaggle数据科学挑战赛网站,介绍几个用机器学习解决实际问题的案例以及一些其他领域未来可能解决的问题。
学习了数据科学处理时涉及的步骤。
讨论了如何才能成为一名资深的数据科学家,以及需要逐渐掌握的数学基本功。
本书基于R统计环境编写,所以我们讨论了这个重要的工具,以及如何在RStudio环境下使用它。
讨论了在机器学习中R包的威力,并介绍如何使用多种R包来处理数据集。
最后,我们讨论了如何在生产系统中使用R,这也是很多项目的终极目标。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区,也是国内领先的IT专业图书社区,致力于优质学习内容的出版和分享,实现了纸书电子书的同步上架,于2015年8月上线运营。公众号【异步图书】,每日赠送异步新书。
相关文章
- 网易机器学习算法工程师笔试编程题
- 机器学习(6): 层次聚类 hierarchical clustering
- 机器学习--详解人脸对齐算法SDM-LBF
- 机器学习笔记 - 人工智能如何用于电影制作
- 机器学习笔记 - Keras中的回调函数Callback使用教程
- ML:从工程化思维分析—机器学习团队十大角色的简介(背景/职责/产出物):产品经理、项目经理、业务咨询顾问、数据科学家、ML研究员、数据工程师、ML工程师、DevOps/软件开发/交付工程师
- 【go 科学计算】用于统计、机器学习和数据操作
- 数学建模学习(109):几行代码训练几十种机器学习模型
- 机器学习——数据增强
- 机器学习特征表达——日期与时间特征做离散处理(数字到分类的映射),稀疏类分组(相似特征归档),创建虚拟变量(提取新特征) 本质就是要么多变少,或少变多
- 机器学习如何对模型进行训练?机器学习模型训练流程及注意事项
- 为什么要学习机器学习?机器学习有什么用?
- 机器学习知识经验分享之四:随机森林预测二手车价格(已实现预测代码)
- 快速入门大数据与机器学习基础专栏