Tree-Based Methods for Statistical Learning in R: A Practical Introduction with Applications in R

روش‌های مبتنی بر درخت برای یادگیری آماری در R مقدمه‌ای کامل برای الگوریتم‌های درخت تصمیم فردی (بخش اول) و مجموعه‌های آن‌ها (قسمت دوم) فراهم می‌کند. بخش اول کتاب چندین الگوریتم درختی مختلف، هم معمولی و هم امروزی را مورد توجه قرار می‌دهد. ایجاد یک پایه قوی برای نحوه عملکرد درخت های تصمیم گیری فردی به خوانندگان کمک می کند تا مجموعه های مبتنی بر درخت را در سطح عمیق تری درک کنند، که در لبه برش روش های آماری و یادگیری ماشینی مدرن قرار دارند.

< span>این کتاب بیشتر ایده‌ها و مفاهیم ریاضی را با مثال‌های مبتنی بر کد در زبان آماری R دنبال می‌کند. با تاکید بر استفاده از بسته های خارجی تا حد امکان. برای مثال، کاربران با استفاده از حلقه‌های ساده و نرم‌افزارهای پایه درختی (مانند rpart و <) در معرض نوشتن توابع تقویت جنگل تصادفی و درخت گرادیان خود قرار خواهند گرفت. span>party/partykit)، و موارد دیگر. فصل‌های اصلی نیز با بخش مفصلی در مورد نرم‌افزار مربوطه در R و سایر گزینه‌های متن‌باز (مانند پایتون، اسپارک و جولیا) و استفاده از نمونه در مجموعه‌های داده واقعی پایان می‌یابند. در حالی که این کتاب بیشتر از R استفاده می کند، اما قرار است برای برنامه نویسان غیر R به همان اندازه در دسترس و مفید باشد.

مصرف کنندگان این کتاب پایه محکمی (و قدردانی) به دست آورده اند. برای روش‌های مبتنی بر درخت و اینکه چگونه می‌توان از آن‌ها برای حل مشکلات عملی و چالش‌هایی که دانشمندان داده اغلب در کارهای کاربردی با آن مواجه هستند، استفاده کرد.

ویژگی‌ها:

Tree-based Methods for Statistical Learning in R provides a thorough introduction to both individual decision tree algorithms (Part I) and ensembles thereof (Part II). Part I of the book brings several different tree algorithms into focus, both conventional and contemporary. Building a strong foundation for how individual decision trees work will help readers better understand tree-based ensembles at a deeper level, which lie at the cutting edge of modern statistical and machine learning methodology.

The book follows up most ideas and mathematical concepts with code-based examples in the R statistical language; with an emphasis on using as few external packages as possible. For example, users will be exposed to writing their own random forest and gradient tree boosting functions using simple for loops and basic tree fitting software (like rpart and party/partykit), and more. The core chapters also end with a detailed section on relevant software in both R and other opensource alternatives (e.g., Python, Spark, and Julia), and example usage on real data sets. While the book mostly uses R, it is meant to be equally accessible and useful to non-R programmers.

Consumers of this book will have gained a solid foundation (and appreciation) for tree-based methods and how they can be used to solve practical problems and challenges data scientists often face in applied work.

Features:

• Thorough coverage, from the ground up, of tree-based methods (e.g., CART, conditional inference trees, bagging, boosting, and random forests).

• A companion website containing additional supplementary material and the code to reproduce every example and figure in the book.
• A companion R package, called treemisc, which contains several data sets and functions used throughout the book (e.g., there’s an implementation of gradient tree boosting with LAD loss that shows how to perform the line search step by updating the terminal node estimates of a fitted rpart tree).
• Interesting examples that are of practical use; for example, how to construct partial dependence plots from a fitted model in Spark MLlib (using only Spark operations), or post-processing tree ensembles via the LASSO to reduce the number of trees while maintaining, or even improving performance.