Advanced R Statistical Programming and Data Models: Analysis, Machine Learning, and Visualization

ویرایش:  
نویسندگان: Matt Wiley. Joshua F. Wiley  
سری:  
ISBN (شابک) : 9781484228715 
ناشر: Apress 
سال نشر: 2019 
تعداد صفحات: 649 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 70 مگابایت 

قیمت کتاب (تومان) : 47,000



انجام انواع تجزیه و تحلیل های آماری پیشرفته از جمله مدل های افزایشی تعمیم یافته، مدل های اثرات مختلط، انتساب چندگانه، یادگیری ماشین، و تکنیک های داده های گمشده با استفاده از R. هر فصل با اطلاعات پس زمینه مفهومی در مورد تکنیک ها شروع می شود، شامل مثال های متعدد با استفاده از R تا به نتایج دست یافته و با مطالعه موردی به پایان می رسد.
نوشته شده توسط Matt و Joshua F. Wiley، برنامه ریزی آماری پیشرفته R و مدل های داده به شما نشان می دهد که چگونه تجزیه و تحلیل داده ها را با استفاده از زبان محبوب R انجام دهید. شما به پیش‌شرط‌ها یا فرضیه‌های آزمایش‌ها و تکنیک‌های آماری مختلف می‌پردازید و از طریق مثال‌های عینی با استفاده از R برای انواع این تحلیل‌های سطح بعدی کار می‌کنید. این یک راهنما و مرجع ضروری برای استفاده و برنامه نویسی با زبان R است.
آنچه یاد خواهید گرفت

• انجام تجزیه و تحلیل های پیشرفته در R از جمله: مدل های خطی تعمیم یافته، مدل های افزایشی تعمیم یافته، مدل های اثرات مختلط، یادگیری ماشین و پردازش موازی
  
  
  
  
  /li>
• مدل‌سازی رگرسیون را با استفاده از تجسم داده‌های R، رگرسیون خطی و پیشرفته، مدل‌های افزایشی، تجزیه و تحلیل بقا/زمان تا رویداد انجام دهید
  
• آموزش ماشین را با استفاده از R از جمله پردازش موازی، کاهش ابعاد مدیریت کنید. و انتخاب و طبقه‌بندی ویژگی
  
• آدرس داده‌های از دست رفته با استفاده از انتساب چندگانه در R
  
• کار بر روی تحلیل عاملی، مدل‌های ترکیبی خطی تعمیم‌یافته، و مدل‌سازی تنوع درون فردی
  

این کتاب برای چه کسانی است
متخصصان، محققان یا دانشجویانی که با R و تکنیک های آماری پایه مانند رگرسیون خطی آشنا هستند و می خواهند یاد بگیرند که چگونه برای استفاده از R برای انجام تجزیه و تحلیل پیشرفته تر. به ویژه، محققان و تحلیلگران داده در علوم اجتماعی ممکن است از این تکنیک ها بهره مند شوند. علاوه بر این، به تحلیلگرانی که نیاز به پردازش موازی برای سرعت بخشیدن به تجزیه و تحلیل دارند، کد اثبات شده ای برای کاهش زمان رسیدن به نتایج (ها) داده می شود.

Carry out a variety of advanced statistical analyses including generalized additive models, mixed effects models, multiple imputation, machine learning, and missing data techniques using R. Each chapter starts with conceptual background information about the techniques, includes multiple examples using R to achieve results, and concludes with a case study.
Written by Matt and Joshua F. Wiley, Advanced R Statistical Programming and Data Models shows you how to conduct data analysis using the popular R language. You’ll delve into the preconditions or hypothesis for various statistical tests and techniques and work through concrete examples using R for a variety of these next-level analytics. This is a must-have guide and reference on using and programming with the R language.
What You’ll Learn

• Conduct advanced analyses in R including: generalized linear models, generalized additive models, mixed effects models, machine learning, and parallel processing
  
• Carry out regression modeling using R data visualization, linear and advanced regression, additive models, survival / time to event analysis
  
• Handle machine learning using R including parallel processing, dimension reduction, and feature selection and classification
  
• Address missing data using multiple imputation in R
  
• Work on factor analysis, generalized linear mixed models, and modeling intraindividual variability
  

Who This Book Is For
Working professionals, researchers, or students who are familiar with R and basic statistical techniques such as linear regression and who want to learn how to use R to perform more advanced analytics. Particularly, researchers and data analysts in the social sciences may benefit from these techniques. Additionally, analysts who need parallel processing to speed up analytics are given proven code to reduce time to result(s).

Front Matter ....Pages i-xx
 Univariate Data Visualization  (Matt Wiley, Joshua F. Wiley)....Pages 1-31
 Multivariate Data Visualization  (Matt Wiley, Joshua F. Wiley)....Pages 33-59
 GLM 1  (Matt Wiley, Joshua F. Wiley)....Pages 61-122
 GLM 2  (Matt Wiley, Joshua F. Wiley)....Pages 123-164
 GAMs  (Matt Wiley, Joshua F. Wiley)....Pages 165-224
 ML: Introduction  (Matt Wiley, Joshua F. Wiley)....Pages 225-249
 ML: Unsupervised  (Matt Wiley, Joshua F. Wiley)....Pages 251-303
 ML: Supervised  (Matt Wiley, Joshua F. Wiley)....Pages 305-382
 Missing Data  (Matt Wiley, Joshua F. Wiley)....Pages 383-433
 GLMMs: Introduction  (Matt Wiley, Joshua F. Wiley)....Pages 435-477
 GLMMs: Linear  (Matt Wiley, Joshua F. Wiley)....Pages 479-552
 GLMMs: Advanced  (Matt Wiley, Joshua F. Wiley)....Pages 553-586
 Modelling IIV  (Matt Wiley, Joshua F. Wiley)....Pages 587-611
Back Matter ....Pages 613-638