دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. نویسندگان: Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi سری: ISBN (شابک) : 9783030140373, 9783030140380 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: 209 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب بکارگیری تجزیه و تحلیل پیش بینی کننده: یافتن ارزش در داده ها: مهندسی، مهندسی ارتباطات، شبکه ها، هوش محاسباتی، داده کاوی و کشف دانش، داده های بزرگ/تحلیل
در صورت تبدیل فایل کتاب Applying Predictive Analytics: Finding Value in Data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بکارگیری تجزیه و تحلیل پیش بینی کننده: یافتن ارزش در داده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب درسی یک رویکرد عملی به تجزیه و تحلیل پیش بینی برای یادگیری کلاس درس ارائه می دهد. این بر روی استفاده از تجزیه و تحلیل برای حل مشکلات تجاری تمرکز می کند و چندین تکنیک مدل سازی مختلف را با هم مقایسه می کند، که همه از نمونه هایی با استفاده از نرم افزار SAS Enterprise Miner توضیح داده شده است. نویسندگان الگوریتمهای پیچیده را رمزگشایی میکنند تا نشان دهند چگونه میتوان از آنها در زمینه افزایش فرصتهای تجاری استفاده و توضیح داد. هر فصل شامل یک شرح ابتدایی است که مثالی واقعی از نحوه استفاده از تجزیه و تحلیل تجاری در جنبه های مختلف سازمان ها برای حل مشکل یا بهبود نتایج آنها ارائه می دهد. یک مورد در حال اجرا مثالی از نحوه ساخت و تجزیه و تحلیل یک مدل تحلیلی پیچیده و استفاده از آن برای پیشبینی نتایج آینده ارائه میدهد.
This textbook presents a practical approach to predictive analytics for classroom learning. It focuses on using analytics to solve business problems and compares several different modeling techniques, all explained from examples using the SAS Enterprise Miner software. The authors demystify complex algorithms to show how they can be utilized and explained within the context of enhancing business opportunities. Each chapter includes an opening vignette that provides real-life example of how business analytics have been used in various aspects of organizations to solve issue or improve their results. A running case provides an example of a how to build and analyze a complex analytics model and utilize it to predict future outcomes.
Front Matter ....Pages i-x
Introduction to Predictive Analytics (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 1-25
Know Your Data—Data Preparation (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 27-56
What Do Descriptive Statistics Tell Us (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 57-87
Predictive Models Using Regression (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 89-121
Predictive Models Using Decision Trees (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 123-144
Predictive Models Using Neural Networks (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 145-173
Model Comparisons and Scoring (Richard V. McCarthy, Mary M. McCarthy, Wendy Ceccucci, Leila Halawi)....Pages 175-199
Back Matter ....Pages 201-205