Ubicación Física: 005.133 / L15m
Machine learning with R / | |
Autor: | Lantz, Brett. |
Otros Autores: | Johnson, Kent S ( revisor ) ; Nattamai Jawaharlal, Vijayakumar ( revisor ) ; Ngwenya, Mzabalazo Z ( revisor ) ; Saxena, Anuj ( revisor ) . |
Pié de imprenta: | Estados Unidos : Pack publishing, 2015. |
Edición: | 2a ed. |
Descripción: | 426 páginas tablas ; ilustraciones 19x24cm. |
ISBN: | 9781784393908. |
Tema(s): | |
Contenido: | Chapter 1. Introducing machine learning. -- Chapter 2. Managing and understanding data. -- Chapter 3. Lazy learning- classification using nearest neighbors. -- Chapter 4. Probabilistic learning- classification using naive bayes. -- Chapter 5. Divide and conquer - classification using decision trees and rules. -- Chapter 6. Forecasting numeric data - regression methods. -- Chapter 7. Black box methods - neural networks and support vector machine. -- Chapter 8. Finding patterns - market basket analysis using association rules. -- Chapter 9. Finding groups of data - clustering with k-means. -- Chapter 10. Evaluating model performance. -- Chapter 11. Improving model performance. -- Chapter 12. Specialized machine learning topics. |
Resumen: | Sin alejarse de la teoría técnica, está escrito para proporcionar un conocimiento enfocado y práctico para que pueda construir algoritmos y procesar sus datos, con la mínima experiencia previa. Con este libro, descubrirá todas las herramientas analíticas que necesita para obtener información de datos complejos y aprender a elegir el algoritmo correcto para sus necesidades específicas. A través del compromiso total con el tipo de problemas del mundo real que enfrentan los que manejan los datos, aprenderá a aplicar métodos de aprendizaje automático para hacer frente a tareas comunes, como clasificación, predicción, pronóstico, análisis de mercado y agrupamiento. Transforma tu forma de pensar acerca de los datos; descubra el aprendizaje automático con R. Estilo y enfoque ¿Cómo podemos usar el aprendizaje automático para transformar los datos en acción? Este libro utiliza una serie de pasos simples para mostrarte. Usando ejemplos prácticos. |
Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|
Libro de Reserva | Biblioteca Sede Centro Sede Centro | Colección Reserva | 005.133 / L15m (Navegar estantería(Abre debajo)) | Ej.1 | Disponible | SC00948 | |
Libro General | Biblioteca Sede Centro Sede Centro | Colección General | 005.133 / L15m (Navegar estantería(Abre debajo)) | Ej.2 | Disponible | SC00949 |
Incluye contenido.
Incluye índice.
Chapter 1. Introducing machine learning. -- Chapter 2. Managing and understanding data. -- Chapter 3. Lazy learning- classification using nearest neighbors. -- Chapter 4. Probabilistic learning- classification using naive bayes. -- Chapter 5. Divide and conquer - classification using decision trees and rules. -- Chapter 6. Forecasting numeric data - regression methods. -- Chapter 7. Black box methods - neural networks and support vector machine. -- Chapter 8. Finding patterns - market basket analysis using association rules. -- Chapter 9. Finding groups of data - clustering with k-means. -- Chapter 10. Evaluating model performance. -- Chapter 11. Improving model performance. -- Chapter 12. Specialized machine learning topics.
Sin alejarse de la teoría técnica, está escrito para proporcionar un conocimiento enfocado y práctico para que pueda construir algoritmos y procesar sus datos, con la mínima experiencia previa. Con este libro, descubrirá todas las herramientas analíticas que necesita para obtener información de datos complejos y aprender a elegir el algoritmo correcto para sus necesidades específicas. A través del compromiso total con el tipo de problemas del mundo real que enfrentan los que manejan los datos, aprenderá a aplicar métodos de aprendizaje automático para hacer frente a tareas comunes, como clasificación, predicción, pronóstico, análisis de mercado y agrupamiento. Transforma tu forma de pensar acerca de los datos; descubra el aprendizaje automático con R. Estilo y enfoque ¿Cómo podemos usar el aprendizaje automático para transformar los datos en acción? Este libro utiliza una serie de pasos simples para mostrarte. Usando ejemplos prácticos.
No hay comentarios en este titulo.