前言 1
第1章 什麼是模型？ 5
算法與模型有什麼不同？ 10
術語說明 12
模型的局限性 13
建模中的統計與計算 15
數據訓練 16
交叉驗證 17
為什麼使用R語言？ 18
優點 19
缺點 22
小結 23
第2章 監督學習與無監督機器學習 25
監督模型 26
迴歸 26
訓練數據與測試數據 28
分類 30
混閤方法 37
無監督學習 47
無監督聚類方法 48
小結 50
第3章 R語言中的采樣統計和模型訓練 52
偏差 53
R語言中的采樣 58
訓練與測試 61
交叉驗證 74
小結 76
第4章 全麵解析迴歸 78
綫性迴歸 79
多項式迴歸 88
擬閤數據的優點——過度擬閤的風險 95
邏輯迴歸 98
小結 112
第5章 全麵解析神經網絡 115
單層神經網絡 115
用R語言建立一個簡單的神經網絡 116
多層神經網絡 125
迴歸神經網絡 131
神經網絡分類 136
使用caret的神經網絡 137
小結 139
第6章 基於樹的方法 141
簡單的樹模型 141
決定樹的分割方式 143
決策樹的優點和缺點 147
條件推理樹 158
隨機森林 161
小結 164
第7章 其他高級方法 165
樸素貝葉斯分類 165
主成分分析 169
支持嚮量機 179
k最近鄰算法 185
小結 191
第8章 使用caret包實現機器學習 192
泰坦尼剋號數據集 193
使用caret 196
小結 207
附錄A caret機器學習模型大全 209
· · · · · · (收起)