目录：
-
基于R语言的机器学习方法与案例分析实践技术应用 - 基于PyTorch机器学习与深度学习实践应用与案例分析
- 基于MATLAB机器学习、深度学习在图像处理中的实践技术应用
- 基于MATLAB 2021b的机器学习、深度学习实践应用
分开讲述：
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。
R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析
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
5.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
基于PyTorch机器学习与深度学习
基于MATLAB机器学习、深度学习在图像处理中的实践技术应用
