機(jī)器學(xué)習(xí)實(shí)踐指南：基于R語言

* 1章 簡明學(xué)習(xí)問題… ……………………………………………………1
1．1 歸納推理和演繹推理的基礎(chǔ)……………………………………………………2
1．2 你曾遇到這些事情嗎？…………………………………………………………3
1．3 釋放歸納的力量…………………………………………………………………3
1．4 推斷的陰陽之道…………………………………………………………………4
1．5 學(xué)習(xí)問題的三大要素……………………………………………………………4
1．6 從數(shù)據(jù)中學(xué)習(xí)的目標(biāo)……………………………………………………………6
1．7 闡明選擇標(biāo)準(zhǔn)……………………………………………………………………7
1．8 學(xué)習(xí)任務(wù)的選擇…………………………………………………………………8
附注………………………………………………………………………………………9
* 2章 監(jiān)督學(xué)習(xí)………………………………………………………13
2．1 有效分類的基本要素……………………………………………………………13
2．2 如何確定假設(shè)類別的答案………………………………………………………15
2．3 監(jiān)督學(xué)習(xí)的兩個核心方法………………………………………………………16
2．3．1 生成算法的關(guān)鍵…………………………………………………………16
2．3．2 理解判別算法……………………………………………………………17
2．4 什么是貝葉斯分類器……………………………………………………………17
誤差下界…………………………………………………………………………19
2．5 評估貝葉斯誤差的兩種簡單技巧………………………………………………19
2．5．1 Mahalanobis技巧……………………………………………………19
2．5．2 Bhattacharyya技巧…………………………………………………20
2．6 如何釋放樸素貝葉斯分類器的力量……………………………………………21
一個建立直覺的例子……………………………………………………………22
2．7 樸素貝葉斯分類器的R極簡建立方法…………………………………………24
2．7．1 一個模擬的例子… …………………………………………………………24
2．7．2 甲狀腺數(shù)據(jù)的分析………………………………………………………28
2．8 如何利用k-近鄰算法的價值…………………………………………………33
2．8．1 深化理解的例子…………………………………………………………34
2．8．2 k近鄰的R直接方法……………………………………………………37
2．8．3 如何決定k的* 優(yōu)值……………………………………………………42
2．9 線性判別分析的關(guān)鍵……………………………………………………………42
2．9．1 求解廣義特征值問題…………………………………………………44
2．9．2 R判別分析的基本要素…………………………………………………45
2．9．3 檢查你想要的模型類型………………………………………………49
2．9．4 不要止步于線性判別分析………………………………………………50
2．10 邏輯回歸分類的秘密……………………………………………………………51
建立R邏輯回歸分類器的簡便方法……………………………………………53
2．11 激勵創(chuàng)意和激情的超級好主意…………………………………………………57
附注………………………………………………………………………………………59
第3章 無監(jiān)督學(xué)習(xí)……………………………………………………68
3．1 無監(jiān)督學(xué)習(xí)簡介…………………………………………………………………68
3．2 兩種核心方法及其工作原理……………………………………………………69
3．3 無監(jiān)督學(xué)習(xí)的應(yīng)用技術(shù)及R實(shí)現(xiàn)………………………………………………70
3．4 無監(jiān)督學(xué)習(xí)的典型例子，你可以模仿學(xué)習(xí)……………………………………85
3．4．1 數(shù)據(jù)（圖像）預(yù)處理……………………………………………………86
3．4．2 處理圖像中的噪聲………………………………………………………86
3．4．3 顱骨“剝離”……………………………………………………………87
3．4．4 完 美組合…………………………………………………………………87
附注……………………………………………………………………………………89
第4章 半監(jiān)督學(xué)習(xí)……………………………………………………91
4．1 未標(biāo)記數(shù)據(jù)的作用………………………………………………………………92
4．2 一致性假設(shè)……………………………………………………………………94
4．3 嘗試半監(jiān)督學(xué)習(xí)的極簡方法…………………………………………………94
4．4 自學(xué)習(xí)算法………………………………………………………………………95
4．5 基于半監(jiān)督模型的R學(xué)習(xí)……………………………………………………98
4．6 使用土地分類掌握這種實(shí)踐說明… ……………………………………………102
附注……………………………………………………………………………………105
第5章 統(tǒng)計(jì)學(xué)習(xí)理論…………………………………………………108
5．1 Vapnik-Chervonenkis泛化界……………………………………………109
5．2 什么是Vapnik-Chervonenkis維…………………………………………110
5．3 結(jié)構(gòu)風(fēng)險(xiǎn)* 小化的關(guān)鍵………………………………………………………113
5．4 實(shí)踐中使用統(tǒng)計(jì)學(xué)習(xí)理論的* 佳建議………………………………………114
5．5 如何精通支持向量機(jī)…………………………………………………………115
5．6 支持向量機(jī)的本質(zhì)……………………………………………………………116
松弛的處理……………………………………………………………………117
5．7 如何建立R支持向量機(jī)………………………………………………………118
附注……………………………………………………………………………………120
第6章 模型選擇………………………………………………………122
6．1 模型的快速改進(jìn)………………………………………………………………122
6．2 一個價值500萬美元的小錯誤………………………………………………124
6．3 “天下沒有免費(fèi)午餐”定理之三大關(guān)鍵教訓(xùn)…………………………………125
6．4 什么是偏差和方差權(quán)衡………………………………………………………127
6．4．1 可約誤差………………………………………………………………128
6．4．2 偏差……………………………………………………………………129
6．4．3 方差……………………………………………………………………130
6．5 你的模型犯過這種錯嗎？……………………………………………………131
6．6 留出技術(shù)的秘密………………………………………………………………132
6．7 有效交叉驗(yàn)證的藝術(shù)…………………………………………………………134
6．7．1 k-折交叉驗(yàn)證………………………………………………………134
6．7．2 一個R案例……………………………………………………………135
6．7．3 留一驗(yàn)證………………………………………………………………138
附注……………………………………………………………………………………140
恭喜你！……………………………………………………………………142