【点击观看视频】基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析实践技术应用

机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现。在各种语言中，R语言以编程简单，方法先进脱颖而出,本次机器学习基于现代Ｒ语言，Tidyverse,Tidymodel语法。

【内容简述】：

专题一：基础知识
1.Tidymodel,Tidyverse语法精讲
2.机器学习的基本概念
3.机器学习建模过程
4.特征工程

专题二：回归
1.线性回归略谈
2.岭回归
3.偏最小二乘法
4.Lasso回归与最小角度回归
5.弹性网回归

专题三：树形模型
1.分类回归树
2.随机森林

专题四：集成学习
1.梯度提升法
2.装袋法
3.GBM与随机GBM
4. XGBOST
5.总结

专题五：其它方法
1.支持向量机
2.深度学习基础
3.可解释的机器学习

专题六：降维
1.主成分分析
2.广义低秩模型
3.Autoenconders

专题七：聚类与分类
1.K-均值聚类
2.分层聚类
3.K-近邻分类
4.Logistic回归

其它相关推荐：

• 最新基于MATLAB 2021b的机器学习、深度学习实践应用
• 基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算）实践技术
• 基于R语言的Copula变量相关性分析及应用
• 最新基于R语言结构方程模型分析与实践技术应用
• 面向高校的基于算法的发明专利申请写作方法
• 基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用
• Python数据挖掘与机器学习

统计语言类教程：贝叶斯统计学、Copula、SEM、极值统计学、混合效应模型、PyTorch深度学习、科研数据可视化