Machine Learning avec R. Apprentissage Supervisé: Régression (eBook, ePUB)
PAYBACK Punkte
0 °P sammeln!
Ce livre développe des techniques d'apprentissage supervisé couramment utilisées dans les applications d'intelligence artificielle prédictive et de science des données. Les techniques sont illustrées par des exemples entièrement résolus à l'aide du logiciel approprié. Le langage R et ses bibliothèques relatives à l'apprentissage supervisé, idéal pour travailler dans ce domaine, seront utilisés. Le cours abordera les algorithmes prédictifs tels que la régression linéaire multiple, la régression ridge, la régression PLS, la régression LARS, la régression LASSO, la régressi...
Ce livre développe des techniques d'apprentissage supervisé couramment utilisées dans les applications d'intelligence artificielle prédictive et de science des données. Les techniques sont illustrées par des exemples entièrement résolus à l'aide du logiciel approprié. Le langage R et ses bibliothèques relatives à l'apprentissage supervisé, idéal pour travailler dans ce domaine, seront utilisés. Le cours abordera les algorithmes prédictifs tels que la régression linéaire multiple, la régression ridge, la régression PLS, la régression LARS, la régression LASSO, la régression Elastic Net, le modèle linéaire généralisé, la régression robuste, la régression à vecteur de support (SVR), la régression ridge à noyau (régression ridge à noyau), la régression ridge à noyau (régression ridge à noyau) et la régression ridge à noyau (régression ridge à noyau), régression de Kernel Ridge (KRR), régression stochastique de gradient descendant (SGD), régression de Hubert, régression de Poisson, régression binomiale négative, modèles Logit et Probit, modèles de comptage et modèles de réseaux neuronaux (LSTM, RNN, NARX, NNAR et GRU).
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
