1.本書完全以入門者的角度編寫，並藉由R語言的簡潔代碼駕馭繁雜的機器學習模型。
2.由淺入深介紹AI及R語言(R的安裝、基礎語法、進階語法)，讓讀者能夠掌握R語言之後，再介紹機器學習模型各種功能函式的使用(線性回歸、SVM、類神經網路、決策樹)。
3.藉由循序漸進的方式推導支持向量激(SVM)與羅吉斯迴歸的原理，僅需具備高中數學能力即可理解。
4.本書以淺顯易懂的方式介紹如何從資料集訓練出決策樹。
機器學習是AI人工智慧的基礎，但機器學習本身是門較高深的課程，而本書為了讓讀者能夠輕易理解，除了從入門者的角度做編寫外，並且利用R的簡潔代碼，來輕鬆駕馭繁雜的統計模型。書中先講述AI及R語言，從R安裝、基礎語法到進階語法，讓讀者能夠先掌握R語言，接著經由R來講述機器學習的各種實作項目，如資料分析、線性回歸模型及模型評估等，藉此能夠將R活用，並且對於機器學習有更進一步的認識。本書適用於大學、科大資工、電機、電子、電通科系「機器學習」課程使用。
目錄
第一章 AI、AI技術與AI應用
1-1 人工智慧
1-2 AI 技術
1-3 AI應用
1-4 AI與數學
1-4-1 函數的概念
1-4-2 線性代數的概念
1-4-3 微分的概念
1-4-4 常態分佈概論
1-4-5 機率與統計概論
1-5 AI與編程
習題
第二章 R的安裝與使用
2-1 下載R軟體
2-2 R的安裝
2-3 R的使用
習題
第三章 R語言基礎編成語法
3-1 何謂變數？
3-2 編程的操作型定義~以變數為例
3-3 運算與資料
3-4 決策(if)語法
3-5 迴圈(loop)
3-6 向量(vector)資料物件
3-7 for迴圈
3-8 功能呼叫(function call)
第四章 R語言進階編程語法
4-1 data.frame資料結構
4-2 第三方套件的使用
4-3 矩陣與陣列
4-4 讀取外部資料
4-5 ggplot(…)函式的使用
4-6 一些有用的函式
第五章 R資料分析的基本觀念
5-1 隨機取樣
5-2 摘要統計(summary statistics)
5-3 相關係數與共變異數
5-4 資料分群演算法
5-5 R軟體的K-means分群函式的應用
第六章 線性迴歸模型
6-1 線性迴歸描述概論
6-2 R的線性迴歸模型套件
6.3 線性迴歸應用系統
6.4 線性預測模型
第七章 線性分類器
7-1 線性迴歸分類器
7-2 支持向量機分類器
7-3 SVM原理
7-4 核函數
第八章 非線性分類器
8-1 類神經網路分類器概論
8-2 類神經網路應用
8-3 R的類神經網路機器學習模組
8-4 決策樹實務應用
第九章 模型評估
9-1 分類器效能指標
9-2 ROC曲線的繪製
9-3 殘差分析
第一章 AI、AI技術與AI應用
1-1 人工智慧
1-2 AI 技術
1-3 AI應用
1-4 AI與數學
1-4-1 函數的概念
1-4-2 線性代數的概念
1-4-3 微分的概念
1-4-4 常態分佈概論
1-4-5 機率與統計概論
1-5 AI與編程
習題
第二章 R的安裝與使用
2-1 下載R軟體
2-2 R的安裝
2-3 R的使用
習題
第三章 R語言基礎編成語法
3-1 何謂變數？
3-2 編程的操作型定義~以變數為例
3-3 運算與資料
3-4 決策(if)語法
3-5 迴圈(loop)
3-6 向量(vector)資料物件
3-7 for迴圈
3-8 功能呼叫(function call)
第四章 R語言進階編程語法
4-1 data.fram...
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
2024專利防護中