资源系列
R&Python
《机器学习及R应用》
- 07.25-
宜分享
最近的VIP交流群十分火爆，群内对R语言机器学习感兴趣的好友特别多~
应读者朋友的强烈邀请，希望再推荐一本R语言机器学习的入门书籍。
呐，今天为大家推荐这样一本小编的珍藏好书：《机器学习及R应用》
赞赏本文，即可解锁资源哦~
《机器学习及R应用》
Brief Introduction
本书简介：
本书对机器学习的核心方法进行了深入而详细的介绍，并特别关注各学科最常用的算法。最大特色在于力图以生动的语言、较多的插图与大量的实例来直观地解释机器学习的原理。
同时，结合流行的R语言，及时地介绍相应的软件操作与经典案例，为读者提供“一站式”服务。本书还提供详尽的数学推导，尽量避免跳跃，并辅以直观的文字解释。对于看似复杂的机器学习原理，则删繁就简，娓娓道来，让读者渐入佳境。
本书适合普通高等学校理、工、农、医以及经济学、管理学、社会科学类的高年级本科生与研究生使用。先修课包括微积分、线性代数与概率统计，但不要求有编程或R语言经验。本书将从零开始，让读者快速体会到R语言的美妙与威力。
书籍亮点：
(1) 机器学习理论与软件操作相结合。学习机器学习的目的是为了应用，而这离不开软件操作。同时，软件操作又可增进对于理论的理解。为此，本书提供“一站式”服务，在讲解每个机器学习算法之后，随即结合经典案例，详细介绍相应的R语言实操。R语言为统计学家的“母语”，长于统计计算，是机器学习的两大常用语言之一。机器学习的另一常用语言为Python，更适用于深度学习。如果你想使用Python 进行机器学习，可参考本书的姊妹篇《机器学习及 Python 应用》。
(2)详细的数学回顾与推导。机器学习需要使用较多的数学知识。根据我的教学经验有些数学知识学生可能没学过，或者即使学过也未必切实掌握。为此，本书第三章专门回顾了微积分、线性代数、概率统计，特别是有关最优化的知识。有一种误区认为，数学公式越多则读者越不理解。事实上，真正理解机器学习，依然离不开数学;否则，只能流于泛泛的空谈。为此，本书提供了详细的数学推导，尽量避免跳跃，并辅以直观的文字解释(而非从符号到符号的堆砌)。当然，对于过于烦琐的数学，则放在附录，例如，如何使用“次微分”(sub-differential)得到在标准正交设计下套索估计量(Lasso)的解析解。
(3)力图以生动的语言、较多的插图与大量的案例来直观地解释机器学习的原理。写作教材与发表论文有很大的不同，论文贵在创新，而教材则以易懂为要。大道至简至易。为此，本书在写作风格上，尽量地深人浅出、通俗易懂。对于看似复杂的机器学习原理，则删繁就简，娓娓道来，给读者最好的阅读体验。
在教材内容的安排上，本书对于机器学习的核心方法，进行了深入而详细的介绍，并特别关注各学科最常用的方法(详见本书目录)。当然，也有一些机器学习方法，本书未能涉及比如循环神经网络、深度强化学习、自然语言处理、文本挖掘等，或在未来版本补充。
目前，该书在网络的售价如下：
书籍目录
ABOUT this NOVEL
书籍内页赏析
ABOUT this NOVEL
（书籍内页）
现在：
长按扫码关注：科研生信充电宝
10元赞赏本文，即喜欢作者~
即可直接解锁：
《机器学习及R应用》对应资源哦~
看到这里你还不心动吗？
赶紧关注、转发、点赞、分享，领取你的专属福利吧~
好啦，以上就是今天推文的全部内容啦！
版权声明：本文内容由互联网用户自发贡献，版权归作者所有，本公众号不拥有所有权，也不承担相关法律责任。
如果您发现本公众号中有涉嫌抄袭的内容，欢迎发送邮件至：kysxcdb@163.com 进行举报，一经查实，本公众号将立刻删除涉嫌侵权内容。
微信号｜科研生信充电宝
· BIOINFOR ·
永远相信美好的事情
即将发生
