R语言做机器学习4本电子书

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

这是我的第79篇原创文章，关于R语言和机器学习。

阅读完本文，你可以知道：

1 R语言做机器学习4本电子书

“读书是易事，思索是难事，但两者缺一，便全无用处。” 富兰克林

我用R语言做数据可视化，做数据分析，做数据挖掘，也用R语言做机器学习。在这里，我跟大家分享4本我阅读的R语言做机器学习的电子书。您可以根据我的阅读建议选择性地阅读和学习。

No.1 Machine Learning Made Easy With R

No.2 Machine Learning With R Cookbook

No.3 Machine Learning With R

No.4 Machine Learning Using R

温馨提示：这些书籍，仅供学习使用。

我的阅读建议：

若你时间充足而且想系统性地学习R语言做机器学习，你可以阅读第四本书，它详细地介绍了机器学习的各方面，比方说特征工程，分类问题，回归问题，聚类问题，关联分析，模型调优等，同时用R语言实现了这些内容。
若你喜欢菜谱式地学习和实操，可以阅读第二本书，它以Cookbook的方式介绍了R语言做机器学习的事情，你可以选择自己感兴趣的章节学习。比方说，你想了解解释变量与被解释变量的之间的关系，就认真阅读回归的章节。
若是你感觉机器学习有点难度，不好理解，又或是不知道使用R语言来应用机器学习，你可以先阅读第一本书，这本书介绍了一系列经典的机器学习算法以及应用，并且还提供可以拓展学习的资料和文献。然后阅读第三本书，这本书也介绍了一系列的常用机器学习算法，并且总结了算法的优劣（这是介绍算法一种好做法，面试的时候面试官也喜欢问的问题，比方说，决策树算法的优劣是什么？），

同时，把这些算法应用于实际数据中解决问题，还总结和分享了模型优化的方法和技巧。
若是你喜欢组合式、穿插式地阅读方式，就把这四本书都打开，快速地看下他们目录，你可以按着主题的学习。比方说，你要学习决策树算法，你可以找到这四本书里面介绍决策树的章节，然后在这四本书之间灵活跳跃地学习，吸收和应用。

书籍获取的方法：

第一步：请添加我的个人微信：luqin360，备注：实名+专业或者职业

第二步：即可获取。

获取书籍的朋友，我会诚邀他（她）们加入R语言圈子2，大家一起学习，交流和分享，共同进步，成长和提升。

关于R语言的学习，推荐如下三部曲。

第一步：掌握R语言做数据可视化，学会了R语言做数据可视化，可以为你的学术研究，探索性分析，结果表示利用可视化这个强大工具来描述，可以让更多人的理解数据所蕴含的价值。
第二步：掌握R语言做数据管理，为了能够做数据分析或者数据建模，我们需要先对数据做管理工作，包括数据选择，数据变换，数据生成，数据集成等事情，建议学习tidyverse这个R包。
第三步：掌握R语言做机器学习，对于未来的问题，潜在模式的问题，异常的问题，我们需要使用机器学习的算法来研究和解决。