本节书摘来自华章社区《R语言机器学习:实用案例分析》一书中的目录,作者[印度] 拉格哈夫·巴利(Raghav Bali)迪潘简·撒卡尔(Dipanjan Sarkar),更多章节内容可以访问云栖社区“华章社区”公众号查看
![62f4a2ebe2cfbfc0086752b45f942f56cd86ad42](https://i-blog.csdnimg.cn/blog_migrate/cc6fad7f9acde9a8d25a4423aa166b12.png)
目 录
译者序
前言
关于作者
关于审稿人
第1章 开始使用R语言和机器学习 1.1 探究R的基本内容
1.2 R的数据结构
1.3 使用函数
1.4 控制代码流
1.5 高级结构
1.6 进一步使用R
1.7 机器学习基础
1.8 总结
第2章 让我们进行机器学习
2.1 理解机器学习
2.2 机器学习算法
2.3 算法家族
2.4 总结
第3章 应用市场购物篮分析预测顾客购买趋势
3.1 检测和预测趋势
3.2 市场购物篮分析
3.3 评估产品列联矩阵
3.4 频繁项集的生成
3.5 关联规则挖掘
3.6 总结
第4章 建立产品推荐系统
4.1 理解推荐系统
4.2 推荐系统存在的问题
4.3 协同过滤器
4.4 建立推荐引擎
4.5 产品推荐引擎实战
4.6 总结
第5章 信用风险检测和预测——描述分析
5.1 分析的类型
5.2 我们将要面临的挑战
5.3 什么是信用风险
5.4 获取数据
5.5 数据处理
5.6 数据分析和变换
5.7 接下来的步骤
5.8 总结
第6章 信用风险检测和预测——预测分析
6.1 预测分析
6.2 如何预测信用风险
6.3 预测模型中的重要概念
6.4 获取数据
6.5 数据处理
6.6 特征选择
6.7 应用逻辑回归建立模型
6.8 应用支持向量机建立模型
6.9 应用决策树建立模型
6.10 应用随机森林建立模型
6.11 应用神经网络建立模型
6.12 模型比较和选择
6.13 总结
第7章 社交媒体分析:分析Twitter数据
7.1 社交网络(Twitter)
7.2 数据挖掘与社交网络
7.3 从Twitter API开始
7.4 Twitter数据挖掘
7.5 社交网络数据挖掘带来的挑战
7.6 参考文献
7.7 总结
第8章 Twitter数据的情感分析
8.1 理解情感分析
8.2 推文中的情感分析
8.3 总结