基于R语言机器学习方法与案例分析

      机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现。在各种语言中，R语言以编程简单，方法先进脱颖而出。

详情链接 ：基于R语言机器学习方法与案例分析实践技术https://mp.weixin.qq.com/s?__biz=MzU5NTkyMzcxNw==&mid=2247521393&idx=4&sn=9ed6c44b77a3b5f9ca78751c1808a0e8&chksm=fe68521bc91fdb0dcdfd01bbb956fec1f7384ac60c5a1a3db84e03950795b189602de51ea185&token=1676178631&lang=zh_CN#rd

内容简介 ：

专题一：基础知识 ：

• 1.机器学习的基本概念
• 2.机器学习建模过程
• 3.特征工程

专题二：回归 

• 1.线性回归略谈
• 2.岭回归
• 3.偏最小二乘法
• 4.Lasso回归与最小角度回归
• 5.弹性网回归
• 

专题三：树形模型

• 1.类回归树
• 2.随机森林

专题四：集成学习

• 梯度提升法
• 装袋法
• GBM与随机GBM
• XGBOST
• 总结 

专题五：其它方法

• 支持向量机
• 深度学习基础
• 可解释的机器学习

专题六：降维

• 主成分分析
• 广义低秩模型
• Autoenconders

专题七：聚类与分类

1.K-均值聚类

2.分层聚类

3.K-近邻分类

4.Logistic回归