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。
这每一步的学习,请与你的实际问题紧密联系起来,知识和实践融为一体,我倡导“学中做,做中学”的想法和做法。
我在我的微信视频号分享着数据知识,利用一分钟时间,掌握一个有用的知识,你可以长按下面二维码进入视频号,也请关注,分享和转发。
文章推荐

请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!