應用機器學習：R軟體實務演練

　　隨著日新月異的時代變遷，開啟了資料生成速度、數量、多元的新時代環境，同時也開啟了資料分析輔助市場拓展、經濟預測的新紀元。隨著資料分析日益受到重視的情況下，機器學習儼然已成為一門值得深究與學習的科學之一。雖然讀者可以經由網路資源自我學習，但實際上缺乏了機器學習的基礎概念與技術引導。有鑑於此，為能提供一個自我學習「機器學習」的環境，本書除了介紹執行機器學習的軟體技術之外，亦對機器學習演算法的基礎概念加以概述，提供讀者一個完整且有條理的自我學習規劃，期能達到事半功倍的學習效果。

　　本書結合了 R 軟體的應用，讓讀者可以輕鬆了解「機器學習」的應 用，同時也導入了實務資料，讓讀者可以體會實務上機器學習的方法及其應用。書中提及的演算法涵蓋了維度縮減、廻歸模型、決策樹、集群分析、關聯規則、貝氏機率分類、時間序列、類神經網路、支援向量機、隨機森林等。每章的第一節分別介紹演算法的理論概念，並於第二節中利用例題方式，講解演算的實際運算方法與結果，最後在第三節內，引用了實際的資料及結合 R 軟體，提供透過軟體運算機器學習的面貌，進一步的深入體驗機器學習的應用。

CHAPTER 1 機器學習概論
1-1機器學習的定義
1-2機器學習的技術
1-3機器學習之類型
1-4機器學習的應用
 
CHAPTER 2 數據分析
2-1數據整理
2-2列聯表分析
2-3資料視覺化
 
CHAPTER 3 維度縮減
3-1維度縮減基礎概念
3-2維度縮減演算法理論　
3-3維度縮減操作步驟
 
CHAPTER 4 廻歸分析
4-1多元廻歸模型 　
4-2羅吉斯廻歸模型 
 
CHAPTER 5 決策樹　
5-1決策樹基礎概念　
5-2決策樹演算法理論　
5-3決策樹分析操作步驟
 
CHAPTER 6 集群分析　
6-1集群分析基礎概念　
6-2集群分析理論　
6-3集群分析操作步驟
 
CHAPTER 7 關聯規則　
7-1關聯規則基礎概念 　
7-2關聯規則演算法理論　
7-3關聯規則操作步驟 
 
CHAPTER 8 貝氏機率分類
8-1貝氏機率分類基礎概念　
8-2貝氏機率分類理論　
8-3貝氏機率分類操作步驟 
 
CHAPTER 9 時間序列　
9-1時間序列基礎概念 　
9-2時間序列理論　
9-3時間序列操作步驟
 
CHAPTER 10 類神經網路　
10-1類神經網路基礎概念　
10-2類神經網路理論　
10-3類神經網路操作步驟
 
CHAPTER 11 支援向量機
11-1支援向量機基礎概念
11-2支援向量機理論　
11-3支援向量機操作步驟
 
CHAPTER 12 隨機森林　
12-1隨機森林基礎概念　
12-2隨機森林理論　
12-3隨機森林操作步驟

作者簡介



楊志清

　　中華創新資訊與應用統計學會祕書長

　　學歷
　　國立政治大學統計學博士

　　經歷
　　國立台北科技大學兼任助理教授
　　淡江大學兼任助理教授
　　文化大學兼任助理教授