基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析

机器学习已经成为继理论、实验和数值计算之后的科研“第四范式”，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现。在各种语言中，R语言以编程简单，方法先进脱颖而出,本次机器学习基于现代Ｒ语言，Tidyverse,Tidymodel语法。

一：基础知识

1.Tidymodel,Tidyverse语法精讲2.机器学习的基本概念3.机器学习建模过程4.特征工程

二：回归

1.线性回归略谈2.岭回归3.偏最小二乘法4.Lasso回归与最小角度回归5.弹性网回归

三：树形模型

1.分类回归树2.随机森林

四：集成学习

1.梯度提升法2.装袋法3.GBM与随机GBM4. XGBOST5.总结

五：其它方法

1.支持向量机2.深度学习基础3.可解释的机器学习

六：降维

1.主成分分析2.广义低秩模型3.Autoenconders

七：聚类与分类

1.K-均值聚类2.分层聚类3.K-近邻分类4.Logistic回归