译者序
前言
第1章 机器学习导论
1.1 机器学习、统计分析和数据科学
1.2 机器学习:第一个示例
1.2.1 属性-值格式
1.2.2 用于诊断疾病的决策树
1.3 机器学习策略
1.3.1 分类
1.3.2 估计
1.3.3 预测
1.3.4 无监督聚类
1.3.5 市场购物篮分析
1.4 评估性能
1.4.1 评估监督模型
1.4.2 二分类误差分析
1.4.3 评估数值输出
1.4.4 通过测量提升比较模型
1.4.5 评估无监督模型
1.5 伦理问题
1.6 本章小结
1.7 关键术语
练习题
第2章 R语言简介
2.1 R语言和RStudio简介
2.1.1 R的特性
2.1.2 安装R
2.1.3 安装RStudio
2.2 浏览RStudio
2.2.1 控制台
2.2.2 源面板
2.2.3 全局环境
2.2.4 包
2.3 数据在哪里
2.4 获取帮助和额外信息
2.5 本章小结
练习题
相关安装包和函数总结
第3章 数据结构和操作
3.1 数据类型
3.1.1 字符数据和因子
3.2 单模式数据结构
3.2.1 向量
3.2.2 矩阵和数组
3.3 多模式数据结构
3.3.1 列表
3.3.2 数据框
3.4 编写自己的函数
3.4.1 写一个简单的函数
3.4.2 条件语句
3.4.3 迭代
3.4.4 递归编程
3.5 本章小结
3.6 关键术语
练习题
相关安装包和函数总结
第4章 准备数据
第5章 监督统计技术
第6章 基于树的方法
第7章 基于规则的技术
第8章 神经网络
第9章 正式评估技术
第10章 支持向量机
第11章 无监督聚类技术
第12章 案例研究:治疗结果预测
附录A 补充材料和更多数据集
附录B 用于性能评估的统计数据
参考文献
展开