【点击观看视频】基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析实践技术应用
机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”,是发现新规律,总结和分析实验结果的利器。机器学习涉及的理论和方法繁多,编程相当复杂,一直是阻碍机器学习大范围应用的主要困难之一,由此诞生了Python,R,SAS,STAT等语言辅助机器学习算法的实现。在各种语言中,R语言以编程简单,方法先进脱颖而出,本次机器学习基于现代R语言,Tidyverse,Tidymodel语法。
【内容简述】:
专题一:基础知识
1.Tidymodel,Tidyverse语法精讲
2.机器学习的基本概念
3.机器学习建模过程
4.特征工程
专题二:回归
1.线性回归略谈
2.岭回归
3.偏最小二乘法
4.Lasso回归与最小角度回归
5.弹性网回归
![](https://img-blog.csdnimg.cn/img_convert/b0fede30be5f301b806ae6f137f89f49.png)
专题三:树形模型
1.分类回归树
2.随机森林
专题四:集成学习
1.梯度提升法
2.装袋法
3.GBM与随机GBM
4. XGBOST
5.总结
![](https://img-blog.csdnimg.cn/img_convert/fc06eb6443d0b5648b36c7f451f3cab1.webp?x-oss-process=image/format,png)
专题五:其它方法
1.支持向量机
2.深度学习基础
3.可解释的机器学习
![](https://img-blog.csdnimg.cn/img_convert/ee632ae2e1205b782ad0bd0ef94588eb.webp?x-oss-process=image/format,png)
![](https://img-blog.csdnimg.cn/img_convert/3d3965633167227a3728045f883f078c.webp?x-oss-process=image/format,png)
专题六:降维
1.主成分分析
2.广义低秩模型
3.Autoenconders
![](https://img-blog.csdnimg.cn/img_convert/c8d3886592e9bd5bb9f0132ed3fd9120.webp?x-oss-process=image/format,png)
专题七:聚类与分类
1.K-均值聚类
2.分层聚类
3.K-近邻分类
4.Logistic回归
其它相关推荐: