神经网络:R语言实现
作者:Balaji Venkateswaran
出版社:机械工业出版社
ISBN:9787111603849
VIP会员免费
(仅需0.8元/天)
¥ 25.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
《R语言实战》 高清版 评分:
R语言实战,pdf 目录编辑 第一部分 入 门 第1章 R语言介绍[2] 1.1 为何要使用R? 1.2 R的获取和安装 1.3 R的使用 1.3.1 新手上路 1.3.2 获取帮助 1.3.3 工作空间 1.3.4 输入和输出 1.4 包 1.4.1 什么是包 1.4.2 包的安装 1.4.3 包的载入 1.4.4 包的使用方法 1.5 批处理 1.6 将输出用为输入——结果的重用 1.7 处理大数据集 1.8 示例实践 1.9 小结 第2章 创建数据集 2.1 数据集的概念 2.2 数据结构 2.2.1 向量 2.2.2 矩阵 2.2.3 数组 2.2.4 数据框 2.2.5 因子 2.2.6 列表 2.3 数据的输入 2.3.1 使用键盘输入数据 2.3.2 从带分隔符的文本文件导入数据 2.3.3 导入Excel数据 2.3.4 导入XML数据 2.3.5 从网页抓取数据 2.3.6 导入SPSS数据 2.3.7 导入SAS数据 2.3.8 导入Stata数据 2.3.9 导入netCDF数据 2.3.10 导入HDF5数据 2.3.11 访问数据库管理系统 2.3.12 通过Stat/Transfer导入数据 2.4 数据集的标注 2.4.1 变量标签 2.4.2 值标签 2.5 处理数据对象的实用函数 2.6 小结 第3章 图形初阶 3.1 使用图形 3.2 一个简单的例子 3.3 图形参数 3.3.1 符号和线条 3.3.2 颜色 3.3.3 文本属性 3.3.4 图形尺寸与边界尺寸 3.4 添加文本、自定义坐标轴和图例 3.4.1 标题 3.4.2 坐标轴 3.4.3 参考线 3.4.4 图例 3.4.5 文本标注 3.5 图形的组合 3.6 小结 第4章 基本数据管理 4.1 一个示例 4.2 创建新变量 4.3 变量的重编码 4.4 变量的重命名 4.5 缺失值 4.5.1 重编码某些值为缺失值 4.5.2 在分析中排除缺失值 4.6 日期值 4.6.1 将日期转换为字符型变量 4.6.2 更进一步 4.7 类型转换 4.8 数据排序 4.9 数据集的合并 4.9.1 添加列 4.9.2 添加行 4.10 数据集取子集 4.10.1 选入(保留)变量 4.10.2 剔除(丢弃)变量 4.10.3 选入观测 4.10.4 subset()函数 4.10.5 随机抽样 4.11 使用SQL语句操作数据框 4.12 小结 第5章 高级数据管理 5.1 一个数据处理难题 5.2 数值和字符处理函数 5.2.1 数学函数 5.2.2 统计函数 5.2.3 概率函数 5.2.4 字符处理函数 5.2.5 其他实用函数 5.2.6 将函数应用于矩阵和数据框 5.3 数据处理难题的一套解决方案 5.4 控制流 5.4.1 重复和循环 5.4.2 条件执行 5.5 用户自编函数 5.6 整合与重构 5.6.1 转置 5.6.2 整合数据 5.6.3 reshape包 5.7 小结 第二部分 基本方法 第6章 基本图形 6.1 条形图 6.1.1 简单的条形图 6.1.2 堆砌条形图和分组条形图 6.1.3 均值条形图 6.1.4 条形图的微调 6.1.5 棘状图 6.2 饼图 6.3 直方图 6.4 核密度图 6.5 箱线图 6.5.1 使用并列箱线图进行跨组比较 6.5.2 小提琴图 6.6 点图 6.7 小结 第7章 基本统计分析 7.1 描述性统计分析 7.1.1 方法云集 7.1.2 分组计算描述性统计量 7.1.3 结果的可视化 7.2 频数表和列联表 7.2.1 生成频数表 7.2.2 独立性检验 7.2.3 相关性的度量 7.2.4 结果的可视化 7.2.5 将表转换为扁平格式 7.3 相关 7.3.1 相关的类型 7.3.2 相关性的显著性检验 7.3.3 相关关系的可视化 7.4 t检验 7.4.1 独立样本的t检验 7.4.2 非独立样本的t检验 7.4.3 多于两组的情况 7.5 组间差异的非参数检验 7.5.1 两组的比较 7.5.2 多于两组的比较 7.6 组间差异的可视化 7.7 小结 第三部分 中级方法 第8章 回归 8.1 回归的多面性 8.1.1 OLS回归的适用情境 8.1.2 基础回顾 8.2 OLS回归 8.2.1 用lm()拟合回归模型 8.2.2 简单线性回归 8.2.3 多项式回归 8.2.4 多元线性回归 8.2.5 有交互项的多元线性回归 8.3 回归诊断 8.3.1 标准方法 8.3.2 改进的方法 8.3.3 线性模型假设的综合验证 8.3.4 多重共线性 8.4 异常观测值 8.4.1 离群点 8.4.2 高杠杆值点 8.4.3 强影响点 8.5 改进措施 8.5.1 删除观测点 8.5.2 变量变换 8.5.3 增删变量 8.5.4 尝试其他方法 8.6 选择“最佳”的回归模型 8.6.1 模型比较 8.6.2 变量选择 8.7 深层次分析 8.7.1 交叉验证 8.7.2 相对重要性 8.8 小结 第9章 方差分析 9.1 术语速成 9.2 ANOVA模型拟合 9.2.1 aov()函数 9.2.2 表达式中各项的顺序 9.3 单因素方差分析 9.3.1 多重比较 9.3.2 评估检验的假设条件 9.4 单因素协方差分析 9.4.1 评估检验的假设条件 9.4.2 结果可视化 9.5 双因素方差分析 9.6 重复测量方差分析 9.7 多元方差分析 9.7.1 评估假设检验 9.7.2 稳健多元方差分析 9.8 用回归来做ANOVA 9.9 小结 第10章 功效分析 10.1 假设检验速览 10.2 用pwr包做功效分析 10.2.1 t检验 10.2.2 方差分析 10.2.3 相关性 10.2.4 线性模型 10.2.5 比例检验 10.2.6 卡方检验 10.2.7 在新情况中选择合适的效应值 10.3 绘制功效分析图形 10.4 其他软件包 10.5 小结 第11章 中级绘图 11.1 散点图 11.1.1 散点图矩阵 11.1.2 高密度散点图 11.1.3 三维散点图 11.1.4 气泡图 11.2 折线图 11.3 相关图 11.4 马赛克图 11.5 小结 第12章 重抽样与自助法 12.1 置换检验 12.2 用coin包做置换检验 12.2.1 独立两样本和K样本检验 12.2.2 列联表中的独立性 12.2.3 数值变量间的独立性 12.2.4 两样本和K样本相关性检验 12.2.5 深入探究 12.3 lmPerm包的置换检验 12.3.1 简单回归和多项式回归 12.3.2 多元回归 12.3.3 单因素方差分析和协方差分析 12.3.4 双因素方差分析 12.4 置换检验点评 12.5 自助法 12.6 boot包中的自助法 12.6.1 对单个统计量使用自助法 12.6.2 多个统计量的自助法 12.7 小结 第四部分 高级方法 第13章 广义线性模型 13.1 广义线性模型和glm()函数 13.1.1 glm()函数 13.1.2 连用的函数 13.1.3 模型拟合和回归诊断 13.2 Logistic回归 13.2.1 解释模型参数 13.2.2 评价预测变量对结果概率的影响 13.2.3 过度离势 13.2.4 扩展 13.3 泊松回归 13.3.1 解释模型参数 13.3.2 过度离势 13.3.3 扩展 13.4 小结 第14章 主成分和因子分析 14.1 R中的主成分和因子分析 14.2 主成分分析 14.2.1 判断主成分的个数 14.2.2 提取主成分 14.2.3 主成分旋转 14.2.4 获取主成分得分 14.3 探索性因子分析 14.3.1 判断需提取的公共因子数 14.3.2 提取公共因子 14.3.3 因子旋转 14.3.4 因子得分 14.3.5 其他与EFA相关的包 14.4 其他潜变量模型 14.5 小结 第15章 处理缺失数据的高级方法 15.1 处理缺失值的步骤 15.2 识别缺失值 15.3 探索缺失值模式 15.3.1 列表显示缺失值 15.3.2 图形探究缺失数据 15.3.3 用相关性探索缺失值 15.4 理解缺失数据的来由和影响 15.5 理性处理不完整数据 15.6 完整实例分析(行删除) 15.7 多重插补 15.8 处理缺失值的其他方法 15.8.1 成对删除 15.8.2 简单(非随机)插补 15.9 小结 第16章 高级图形进阶 16.1 R中的四种图形系统 16.2 lattice包 16.2.1 条件变量 16.2.2 面板函数 16.2.3 分组变量 16.2.4 图形参数 16.2.5 页面摆放 16.3 ggplot2包 16.4 交互式图形 16.4.1 与图形交互:鉴别点 16.4.2 playwith 16.4.3 latticist 16.4.4 iplots包的交互图形 16.4.5 rggobi 16.5 小结 后记:探索R的世界 附录A 图形用户界面 附录B 自定义启动环境 附录C 从R中导出数据 附录D 制作出版级品质的输出 附录E R中的矩阵运算 附录F 本书中用到的扩展包 附录G 处理大数据 附录H 更新R 参考文献
上传时间:2017-12 大小:17.34MB
- 25.90MB
R语言实战中文完整版PDF+对应代码_R语言实战_
2021-09-30从解决实际问题入手,尽量跳脱统计学的理论阐述来讨论R语言及其应用,讲解清晰透澈,极具实用性。
- 16.12MB
R语言实战_R语言实战_
2021-09-29通读本书,你将全面掌握使用R语言进行数据分析、数据挖掘的技巧,并领略大量探索和展示数据的图形功能,从而更加高效地进行分析与沟通。想要成为倍受高科技企业追捧的、炙手可热的数据分析师吗?想要科学分析数据并...
- 13KB
R语言实战部分代码_R语言_
2021-10-01R语言实战前三章代码,一些描述性统计分析方法。
- 1.26MB
R语言实战代码1.zip
2021-08-24R语言实战第二版 原版代码
- 4.81MB
《R语言商务数据分析实战》教学课件—09 电商产品评论数据情感分析.pdf
2022-06-22《R语言商务数据分析实战》教学课件—09 电商产品评论数据情感分析.pdf《R语言商务数据分析实战》教学课件—09 电商产品评论数据情感分析.pdf《R语言商务数据分析实战》教学课件—09 电商产品评论数据情感分析.pdf...
- 1.26MB
R 语言实战_源代码
2019-02-02R 语言实战,包含每个章节中用来实例,讲解的源代码,图灵社区在线数据~~
- 107KB
R语言编程与数据统计分析实战.pdf
2022-05-08R语言编程与数据统计分析实战.pdfR语言编程与数据统计分析实战.pdfR语言编程与数据统计分析实战.pdfR语言编程与数据统计分析实战.pdfR语言编程与数据统计分析实战.pdf
- 26KB
数据分析与数据挖掘资料 R语言实战code 程序源代码资料 共16个章节.rar
2022-07-03数据分析与数据挖掘资料 R语言实战code 程序源代码资料 共16个章节.rar
- 3.75MB
【数据分析应用】数据挖掘:基于R语言的实战(数据).zip
2022-04-24【数据分析应用】数据挖掘:基于R语言的实战(数据).zip
- 3.3MB
《R语言商务数据分析实战》教学课件—08电子商务网站智能推荐服务(2).pdf
2022-06-22《R语言商务数据分析实战》教学课件—08电子商务网站智能推荐服务(2).pdf《R语言商务数据分析实战》教学课件—08电子商务网站智能推荐服务(2).pdf《R语言商务数据分析实战》教学课件—08电子商务网站智能推荐服务(2)...
- 43.73MB
R语言数据分析与挖掘实战_R语言_
2021-10-02r语言指导,用于自主学习r语言,各种分析方法和模型
- 19.3MB
R 语言实战(第2版)
2017-10-21如果你翻开了本书,那么很有可能是因为要做一些数据收集、总结、转换、探索、建模、可 ...分析和数据可视化的全球通用语言。它提供各种用于分析和理解数据的方法,从最基础的到最前 沿的,无所不包。
- 1.23MB
R语言实战应用案例-大气污染数据分析(附代码+数据).zip
2022-04-24R语言实战应用案例-大气污染数据分析(附代码+数据).zip
- 2.6MB
《R语言实战》识记练习及注释手册2018年1月18日版1
2022-08-03前言本手册的内容:本手册来源于《R 语言实战》和我本人的 R 学习笔记,是对 R 语言经典教材《R 语言实战》的重新编排和梳理,而且就一些需要进一步解释或者值得
- 426.82MB
基于R语言数据分析与挖掘实战 配套数据数据和源代码 共15个章节.rar
2021-08-07基于R语言数据分析与挖掘实战 配套数据数据和源代码 共15个章节,含每个章节的数据源和源代码demo
- 123KB
r语言预测实战代码-游皓麟
2017-12-13r语言预测实战代码-游皓麟代码即部分注释,注释主要是对书中内容的简要概括
- 16.44MB
R 语言实战
2014-10-19R 语言实战
- 21.65MB
R语言 实战
2017-08-12R语言实战
- 35KB
R语言期末试题R语言期末试题
2020-12-30R语言期末试题
- 1.95MB
ChatGPT教程(终极版)最全整理
2023-05-16这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门,你看我这篇文章就够了。 如果你已经用上了ChatGPT,更要恭喜你挖到宝藏,后面的高级技巧一定能让你有收获。 文章包含以下内容: 一、ChatGPT是啥?有什么用; 二、ChatGPT如何注册; 三、ChatGPT使用方法; 四、用ChatGPT搞钱; 五、高级技巧;
- 58KB
博客中Kmeans以及FCM算法数据(免积分)
2023-05-16博客中Kmeans以及FCM算法的数据,包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集,下载在直接存入项目文件夹即可,如果下载不了,可以私信我,看到后会及时回复。
- 1.25MB
hugging face的models-openai-clip-vit-large-patch14文件夹
2023-10-25用于无法访问hugging face并需要运行stable-diffusion-webui时使用
- 10KB
神经网络回归预测--气温数据集
2021-11-26神经网络回归预测--气温数据集
- 1.87MB
XGBoost+LightGBM+LSTM-光伏发电量预测
2022-12-24包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上,论证了辐照度、光伏板工作温度等影响光伏输出功率的因素,通过实时监测的光伏板运行状态参数和气象参数建立预测模型,预估光伏电站瞬时发电量,根据光伏电站DCS系统提供的实际发电量数据进行对比分析,验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献
- 2.20MB
Mathwork+Matlab+编程手册
2023-08-25Introduction to Programming with MATLAB ~ Vanderbilt University
- 321KB
Stable-Diffusion WEBUI 简体中文语言包(2023.05.30更新)
2023-05-30AI绘图,Stable-Diffusion WEBUI,本地化(简体中文)语言文件。 原始文件来自翻译插件,根据自己实际使用情况,增加和修改了一些翻译。 配合【双语插件】看上去要自然一点,内容还在继续完善中。 本次增加了一些翻译内容,特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文,所以别直接选它用。 请配合【Bilingual Localization】插件使用,双语同时显示,效果最好。
- 6.77MB
基于Python+pytorch的图像处理+附完整代码图像处理,能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作
2024-04-17Python+PyTorch:图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里,Python和PyTorch这对黄金搭档,就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”,总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性,引领着图像处理技术的发展潮流,让无数开发者为之倾倒。Python,这位优雅的魔法师,以其简洁易懂的语法和丰富的库资源,赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习,Python都能轻松应对,展现出其无与伦比的魅力。在图像处理领域,Python更是如鱼得水,通过OpenCV、PIL等库,能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作,让图像在指尖起舞。而PyTorch,这把图像处理界的“瑞士军刀”,则以其灵活性和易用性,成为深度学习领域的翘楚。它拥有强大的自动求导功能,能够轻松构建和训练复杂的神经网络模型。在图像处理中,PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型,让图像焕发出新的生机。想象一下,当你掌握了Python和PyTorch这对黄金搭档,就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为
- 407KB
时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类,点击即可运行!
2023-09-25内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中,我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法,适用于各种机器学习任务,它最初主要用于解决分类问题,在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用,包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分,可以将模型保存到本地,一旦我们完成了模型的训练,我们可以使用它来进行预测。我们将选择合适的输入特征,并根据模型的预测结果来生成未来的数值序列。最后,我们会将预测结果与实际观测值进行对比,评估模型的准确性和性能。 适合人群:时间序列预测的学习者,机器学习的学习者, 能学到什么:本模型能够让你对机器学习和时间序列预测有一个清楚的了解,其中还包括数据分析部分和特征工程的代码操作 阅读建议:大家可以仔细阅读代码部分,其中包括每一步的注释帮助读者进行理解,其中涉及到的知识有数据分析部分和特征工程的代码操作。
- 40.89MB
中文短信数据集-带标签
2024-02-05本数据集可用于进行文本分类、信息检索等自然语言处理实验,共包含80万条短信。其中:原始数据集data.txt每行为1条短信,格式为“标签\t短信内容”,标签=0表示正常短信,标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集,拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836,基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下: 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三.八.女人节倾情大放送活动开始啦!!!!超值套餐等你拿,活动时间x月x日一x月xx日, 详情进店咨询。美丽热线x
- 1.3MB
亚博K210模型训练部署
2023-07-11亚博K210模型训练部署