In questo libro ci occuperemo delle tecniche di machine learning, in particolare utilizzando il linguaggio di programmazione e analisi R, uno dei linguaggi di programmazione più importanti e utilizzati nel data science e nel machine learning. Il machine learning consiste in una serie di tecniche che permettono al computer di imparare automaticamente a classificare un elemento in base ai dati pregressi

In questo libro imparerai le varie tecniche di analisi del machine learning con R, e a scegliere quella più adatta al tuo problema. Imparerai come preprocessare e normalizzare i dati prima dell'analisi, e come superare i vari problemi che possono affliggere i tuoi dati

Passeremo poi ai metodi di tipo supervisionato, a partire dalla regressione lineare, multipla e logistica, per poi passare agli altri metodi di tipo supervisionato, come il k-nearest neighbors o knn, il support vector machines, gli alberi di decisione e i metodi bayesiani. Spenderemo poi un po' di tempo sulle reti neurali di tipo feedforward

La sezione successiva sarà dedicata ai metodi di tipo non supervisionato, basati su varie logiche di clustering: partiremo da una serie di dati privi di un'etichetta per raggrupparli in base a logiche interne

Proseguendo, imparerai ad applicare alcuni metodi ensemble, più robusti perché basati su più modelli i cui risultati vengono poi pesati in base a varie logiche

Per finire, imparerai come misurare le performance dei vari algoritmi per il machine learning e come trattare i valori mancanti e sostituirli con altri valori, standard, come la media e la mediana, oppure previsti con le logiche di machine learning che avrai imparato nel corso del libro