内容介绍
深度学习是电子信息科学和人工智能技术中十分关键的1个科学研究行业，近些年，深度学习不仅在电子信息科学的诸多行业中大显身手，并且变成某些交叉学科的关键支撑点技术性。
全书实例具有归类难题，也是重归难题；既包括监督学习，也包含无监督学习。这书探讨的实例从归类讲过重归，随后探讨了聚类分析法、降维、最优控制难题等。这种实例包含归类：垃圾短信鉴别，排列：智能化收件箱，回归模型：分折网页页面浏览量，正则化：文字重归，最优控制：密码破解，无监督学习：搭建股市指数值，室内空间相似性：用拉票纪录对英国参议员聚类分析法，推荐系统：给客户强烈推荐R语言包，社交媒体剖析：在Twitter上很感兴趣的人，实体模型较为：让你的难题寻找最好优化算法。各章对基本原理的描述务求定义清楚、表述精确，突显理论指导，颇具启发性，便于了解。在探寻这种实例的全过程中采用的基础专用工具就是说R统计分析计算机语言。R語言适合用以深度学习的实例科学研究，由于这是这种用以数据统计分析的高水平运动员、多功能性开发语言。
目录
- 第1章 使用R语言
- 第2章 数据分析
- 第3章 分类：垃圾过滤
- 第4章 排序：智能收件箱
- 第5章 回归模型：预测网页访问量
- 第6章 正则化：文本回归
- 第7章 优化：密码破译
- 第8章 PCA：构建股票市场指数
- 第9章 MDS：可视化地研究参议员相似性
- 第10章 kNN：推荐系统
- 第11章 分析社交图谱
- 第12章 模型比较
