توضیحات
Hands-on Machine Learning with R provides a practical and applied approach to learning and developing intuition into today’s most popular machine learning methods. This book serves as a practitioner’s guide to the machine learning process and is meant to help the reader learn to apply the machine learning stack within R, which includes using various R packages such as glmnet, h2o, ranger, xgboost, keras, and others to effectively model and gain insight from their data. The book favors a hands-on approach, providing an intuitive understanding of machine learning concepts through concrete examples and just a little bit of theory.
Throughout this book, the reader will be exposed to the entire machine learning process including feature engineering, resampling, hyperparameter tuning, model evaluation, and interpretation. The reader will be exposed to powerful algorithms such as regularized regression, random forests, gradient boosting machines, deep learning, generalized low rank models, and more! By favoring a hands-on approach and using real word data, the reader will gain an intuitive understanding of the architectures and engines that drive these algorithms and packages, understand when and how to tune the various hyperparameters, and be able to interpret model results. By the end of this book, the reader should have a firm grasp of R’s machine learning stack and be able to implement a systematic approach for producing high quality modeling results.
Features:
Offers a practical and applied introduction to the most popular machine learning methods.
Takes readers through the entire modeling process; from data prep to hyperparameter tuning, model evaluation, and interpretation.
Introduces readers to a wide variety of packages that make up R’s machine learning stack.
Uses a hands-on approach and real world data.
————————————————————–
ترجمه ماشینی :
یادگیری ماشینی عملی با R یک رویکرد کاربردی و کاربردی برای یادگیری و توسعه شهود در محبوبترین روشهای یادگیری ماشین امروزی ارائه میکند. این کتاب بهعنوان راهنمای تمرینکننده برای فرآیند یادگیری ماشین عمل میکند و به خواننده کمک میکند تا بکارگیری پشته یادگیری ماشینی در R را بیاموزد، که شامل استفاده از بستههای R مختلف مانند glmnet، h2o است. ، ranger، xgboost، keras، و دیگران برای مدلسازی مؤثر و کسب بینش از دادههای خود. این کتاب از رویکرد عملی استفاده میکند، و درک شهودی از مفاهیم یادگیری ماشین را از طریق مثالهای عینی و فقط کمی تئوری ارائه میدهد.
در طول این کتاب، خواننده در معرض کل یادگیری ماشین قرار میگیرد. فرآیندی شامل مهندسی ویژگی، نمونهبرداری مجدد، تنظیم فراپارامتر، ارزیابی مدل و تفسیر. خواننده در معرض الگوریتمهای قدرتمندی مانند رگرسیون منظم، جنگلهای تصادفی، ماشینهای تقویت گرادیان، یادگیری عمیق، مدلهای رتبه پایین تعمیمیافته و موارد دیگر قرار میگیرد! با استفاده از یک رویکرد عملی و استفاده از دادههای واقعی کلمه، خواننده درک بصری از معماریها و موتورهایی که این الگوریتمها و بستهها را هدایت میکنند به دست میآورد، متوجه میشود که چه زمانی و چگونه ابرپارامترهای مختلف را تنظیم کند و میتواند نتایج مدل را تفسیر کند. در پایان این کتاب، خواننده باید درک محکمی از پشته یادگیری ماشین R داشته باشد و بتواند یک رویکرد سیستماتیک برای تولید نتایج مدلسازی با کیفیت بالا پیادهسازی کند.
ویژگیها:
مقدمهای عملی و کاربردی برای محبوبترین روشهای یادگیری ماشین ارائه میدهد. از آماده سازی داده تا تنظیم فراپارامتر، ارزیابی مدل، و تفسیر.
خوانندگان را با طیف گسترده ای از بسته ها که پشته یادگیری ماشینی R را تشکیل می دهند، آشنا می کند.
از ابزار عملی استفاده می کند. رویکرد و داده های دنیای واقعی
tag : دانلود کتاب یادگیری ماشینی دستی با R , Download یادگیری ماشینی دستی با R , دانلود یادگیری ماشینی دستی با R , Download Hands-On Machine Learning with R Book , یادگیری ماشینی دستی با R دانلود , buy یادگیری ماشینی دستی با R , خرید کتاب یادگیری ماشینی دستی با R , دانلود کتاب Hands-On Machine Learning with R , کتاب Hands-On Machine Learning with R , دانلود Hands-On Machine Learning with R , خرید Hands-On Machine Learning with R , خرید کتاب Hands-On Machine Learning with R ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.