|
000
|
01830nam0 2200301 450
|
|
001
|
012023000052
|
|
005
|
20231212162009.80
|
|
010
|
|
@a978-7-115-58393-2@dCNY119.80
|
|
100
|
|
@a20221205d2022 em y0chiy50 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aR语言机器学习实战@AR yu yan ji qi xue xi shi zhan@f(美) 弗雷德·恩旺加, 迈克·查普尔著@d= Practical machine learning in R@fFrde Nwanganga, Mike Chapple@g李毅译@zeng
|
|
210
|
|
@a北京@c人民邮电出版社@d2022.12
|
|
215
|
|
@a286页@c图 (部分彩图)@d26cm
|
|
306
|
|
@a本书中文简体字版由John Wiley & Sons公司授权人民邮电出版社出版, 专有版权属于人民邮电出版社
|
|
314
|
|
@a弗雷德·恩旺加 (Fred Nwanganga) 拥有美国圣母大学计算机科学与工程博士学位, 是圣母大学门多萨商学院 (University of Notre Dame's Mendoza College of Business) 商业分析专业助理教授。迈克·查普尔 (Mike Chapple) 拥有美国圣母大学计算机科学博士学位, 是圣母大学门多萨商学院信息技术、分析和运营系的副教授。李毅, 男, 韩国岭南大学理学博士, 中国人民大学统计学博士后, 现任山西财经大学统计学院教授兼博士生导师, 研究方向为大数据推断与抽样调查。
|
|
330
|
|
@a本书探讨了如何使用R语言进行机器学习, 涵盖基本的原理和方法, 并通过大量的示例和练习, 让读者掌握R语言的数据处理技巧。本书包括入门、回归、分类、模型的评估和改进、无监督学习五大部分, 涉及线性回归、logistic回归、k近邻、朴素贝叶斯、决策树、聚类和关联规则等机器学习模型。本书配套提供相关的代码和数据, 方便读者学习和使用。
|
|
500
|
10
|
@aPractical machine learning in R@mChinese
|
|
606
|
0
|
@a程序语言@Acheng xu yu yan@x程序设计
|
|
690
|
|
@aTP312R@v5
|
|
690
|
|
@aTP312@v4
|
|
701
|
1
|
@a恩旺加@Aen wang jia@g(Nwanganga, Fred)@4著
|
|
701
|
1
|
@a查普尔@Azha pu er@g(Chapple, Mike)@4著
|
|
702
|
0
|
@a李毅@Ali yi@4译
|
|
801
|
0
|
@aCN@bCDNYKJZYXY@c20221205
|
|
905
|
|
@aCDNYKJZYXY@b300677553-4@dTP312@e606@f2
|
|
|
|
|
| |
| R语言机器学习实战/(美) 弗雷德·恩旺加, 迈克·查普尔著= Practical machine learning in R/Frde Nwanganga, Mike Chapple/李毅译.-北京：人民邮电出版社，2022.12 |
| 286页：图 (部分彩图)；26cm |
| |
| |
| ISBN 978-7-115-58393-2：CNY119.80 |
| 本书探讨了如何使用R语言进行机器学习, 涵盖基本的原理和方法, 并通过大量的示例和练习, 让读者掌握R语言的数据处理技巧。本书包括入门、回归、分类、模型的评估和改进、无监督学习五大部分, 涉及线性回归、logistic回归、k近邻、朴素贝叶斯、决策树、聚类和关联规则等机器学习模型。本书配套提供相关的代码和数据, 方便读者学习和使用。 |
| ● |
正题名：R语言机器学习实战
索取号：TP312/606
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
677553
|
300677553
|
流通五库四楼/
[索取号:TP312/606]
|
在馆
|
|
|
2
|
677554
|
300677554
|
流通五库四楼/
[索取号:TP312/606]
|
在馆
|
|
