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.