基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析实践技术应用

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。

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GBM

4. XGBOST

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