R语言高级提升篇:数据挖掘算法之机器学习篇

R语言高级提升篇:数据挖掘算法之机器学习篇

KNN近邻算法、朴素贝叶斯算法、决策树算法已经组合算法的基本原理及R语言实现。

159 401 人学习

课程名称:

R语言高级提升篇:数据挖掘算法之机器学习篇

 【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料&QQ会员群可在课程PC端公告查看下载;3.购买课程后,点(课时)列表即可观看视频 】

本课程为《R语言十三式》收费课程的体系课程,大家可以前往学习和了解:

https://edu.hellobi.com/classroom/1/courses

详情请前往:

https://major.hellobi.com/datamining


讲师介绍:

谢佳标  多届中国R语言大会演讲嘉宾,目前在创梦天地担任高级数据分析师一职,作为创梦天地数据挖掘组的负责人,带领团队对游戏数据进行深度挖掘,主要利用R语言进行大数据的挖掘和可视化工作。本人从事数据挖掘建模工作已有9年,曾经从事过咨询、电商、电购、电力、游戏等行业,了解不同领域的数据特点。有丰富的利用R语言进行数据挖掘实战经验。攥写了《R语言与数据挖掘》及《R语言游戏数据分析》等书籍。


课程目的:

通过本课程学习,掌握常用机器学习算法:KNN近邻算法、朴素贝叶斯算法、决策树算法已经组合算法的基本原理及R语言实现。


课程大纲:

章节1: KNN近邻算法

1:KNN近邻算法基本原理及K值的选择方法 

2:KNN算法距离准备及KNNR语言实现 

3:案例一:用KNN算法对鸢尾花分类进行识别 

4:案例二:用KNN算法诊断乳腺癌 

5:案例三:用KNN算法对汽车类型进行识别

章节2: 朴素贝叶斯分类

6:朴素贝叶斯分类 

7:朴素贝叶斯分类 

8:案例一:基于朴素贝叶斯算法识别糖尿病患者 

9:基于朴素贝叶斯算法识别手机垃圾短信 

章节3: 决策树分类

10:决策树算法基本原理 

11:ID3算法举例

12:决策树案例演示

章节4: 组合算法

13:组合方法基本原理及adaboost算法R语言实现

14:bagging分类R语言实现 

15:随机森林及R语言实现


学习方式

录播课程,开课即学

在线反复观看,有效期2年

上课方式:录播学习+VIP会员群+独享问答中心+在线答疑 +2年反复观看

友情提示:  

1、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面

2、如果购买后下次登录提示课程需要重新购买,一般是因为你把登录账户记成你绑定的手机或者邮箱帐号而混淆了。

3、【在微信购买课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已购买的课程),已方便下次学习。

4、课程相关资料&QQ会员群可在课程PC端公告查看下载;

5、加入学习后请添加客服微信:tianshansoft06(请注明:课程名称),邀请你加入微信VIP群与老师&同学交流讨论;

4fd7b8e3eeeabb7a98ac5dce59d13eee.png


改版

反馈