Machine learning avec R : pour une modélisation mathématique rigoureuse

Machine learning avec R L'apprentissage automatique (ou machine learning) est un sujet intimidant jusqu'à ce que vous en connaissiez les fondements. Si vous comprenez les principes essentiels du codage, ce guide d'introduction vous aidera à acquérir une base solide dans le domaine de l'apprentissage automatique. En utilisant le langage de programmation R, vous commencerez par apprendre à modéliser avec la régression, puis passerez à des sujets plus avancés tels que les réseaux de neurones et les méthodes arborescentes. Finalement, vous plongerez dans le monde de l'apprentissage automatique en utilisant le package caret associé au langage de programmation R. Une fois que vous serez familiarisé avec des sujets tels que les modèles de régression et de classification, vous serez en mesure de résoudre de multiples problèmes d'apprentissage automatique. L'auteur de ce livre fournit également plusieurs exemples pour vous aider à bâtir une connaissance pratique de l'apprentissage automatique. . Explorez le domaine de l'apprentissage automatique avec ses modèles, ses algorithmes et l'entraînement des données . Comprenez les algorithmes d'apprentissage automatique supervisés et non supervisés . Examinez les notions statistiques utiles pour la conception de données à utiliser dans les modèles . Plongez dans les modèles de régression linéaire utilisés dans les affaires et la science . Utilisez des réseaux de neurones monocouches et multicouches pour calculer les sorties . Découvrez comment fonctionnent les modèles arborescents et les arbres de décision courants . Obtenez une vue complète de l'écosystème de l'apprentissage automatique en R . Explorez la puissance des outils disponibles dans le package caret de R