An Introduction to Data Analysis using Aggregation Functions in R

این کتاب درسی به تحلیلگران داده‌های آینده کمک می‌کند تا نظریه و روش‌های تابع تجمیع را به روشی قابل دسترس، با تمرکز بر درک اساسی داده‌ها و ابزارهای خلاصه‌سازی، درک کنند. با ارائه یک نمای کلی از روندهای اخیر در تحقیقات تجمیع، مکمل هر مطالعه در تکنیک های آماری یا یادگیری ماشین است. خوانندگان یاد خواهند گرفت که چگونه توابع کلیدی را در R بدون به دست آوردن پیشینه برنامه نویسی گسترده برنامه ریزی کنند.
بخش های کتاب درسی اطلاعات پس زمینه و زمینه، جمع آوری داده ها با توابع میانگین، میانگین های توان و میانگین های وزنی از جمله تعداد Borda را پوشش می دهد. این توضیح می دهد که چگونه داده ها را با استفاده از نرمال سازی یا مقیاس بندی و استانداردسازی، و همچنین تبدیل های log، چند جمله ای و رتبه ای تبدیل کنیم. بخش میانگین گیری با تعامل، توابع OWS و توابع انتگرال و ساده Choquet را معرفی می کند که امکان مدیریت ورودی های غیر مستقل را فراهم می کند. فصل‌های پایانی تجزیه و تحلیل نرم‌افزار را با تأکید بر شناسایی پارامترها به جای جنبه‌های فنی بررسی می‌کند.
این کتاب درسی برای دانشجویانی طراحی شده است که در حال تحصیل در رشته علوم کامپیوتر یا تجارت هستند که به ابزارهایی برای خلاصه‌سازی و تفسیر داده‌ها، بدون نیاز به پیش‌زمینه ریاضی قوی علاقه‌مند هستند. همچنین برای کسانی که روی تکنیک‌های پیچیده علم داده کار می‌کنند و به دنبال درک بهتری از تجمیع داده‌های بنیادی هستند، مناسب است. راه حل سوالات تمرینی در کتاب درسی گنجانده شده است.

This textbook helps future data analysts comprehend aggregation function theory and methods in an accessible way, focusing on a fundamental understanding of the data and summarization tools. Offering a broad overview of recent trends in aggregation research, it complements any study in statistical or machine learning techniques. Readers will learn how to program key functions in R without obtaining an extensive programming background.
Sections of the textbook cover background information and context, aggregating data with averaging functions, power means, and weighted averages including the Borda count. It explains how to transform data using normalization or scaling and standardization, as well as log, polynomial, and rank transforms. The section on averaging with interaction introduces OWS functions and the Choquet integral, simple functions that allow the handling of non-independent inputs. The final chapters examine software analysis with an emphasis on parameter identification rather than technical aspects.
This textbook is designed for students studying computer science or business who are interested in tools for summarizing and interpreting data, without requiring a strong mathematical background. It is also suitable for those working on sophisticated data science techniques who seek a better conception of fundamental data aggregation. Solutions to the practice questions are included in the textbook.