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
دسته بندی: پایگاه داده ها ویرایش: نویسندگان: Juyoung Song سری: ISBN (شابک) : 1527533883, 9781527533882 ناشر: Cambridge Scholars Publishing سال نشر: 2019 تعداد صفحات: 316 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 مگابایت
در صورت تبدیل فایل کتاب Big Data Analysis Using Machine Learning for Social Scientists and Criminologists 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 تجزیه و تحلیل کلان داده با استفاده از یادگیری ماشین برای دانشمندان علوم اجتماعی و جرم شناسان 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 شرح مفصلی از کل فرآیند مطالعه در مورد جمعآوری و تجزیه و تحلیل دادههای بزرگ و انجام مشاهدات برای توسعه یک مدل پیشبینی جرم که از یافتههای آن استفاده میکند، ارائه میکند. این یک بحث عمیق در مورد چندین فرآیند، از جمله متن کاوی، که اطلاعات مفید را از اسناد آنلاین استخراج می کند، ارائه می دهد. نظر کاوی، که احساسات موجود در اسناد را تجزیه و تحلیل می کند. یادگیری ماشین برای پیش بینی جرم؛ و تجزیه و تحلیل تجسم برای پیشبینی دقیق جرایم با استفاده از یادگیری ماشینی، تهیه دادههای آموزشی با کیفیت بالا ضروری است. یادگیری ماشینی همراه با داده های با کیفیت بالا می تواند برای توسعه هوش مصنوعی عالی برای پیش بینی جرم استفاده شود. به این ترتیب، این کتاب راهنمای عملی برای هر کسی خواهد بود که مایل به پیش بینی پدیده های اجتماعی در حال تغییر سریع و نتیجه گیری خلاقانه با استفاده از تجزیه و تحلیل کلان داده ها است.
This book provides a detailed description of the entire study process concerning gathering and analysing big data and making observations to develop a crime-prediction model that utilises its findings. It offers an in-depth discussion of several processes, including text mining, which extracts useful information from online documents; opinion mining, which analyses the emotions contained in documents; machine learning for crime prediction; and visualization analysis. To accurately predict crimes using machine learning, it is necessary to procure high-quality training data. Machine learning combined with high-quality data can be used to develop excellent crime-prediction artificial intelligences. As such, the book will serve to be a practical guide to anyone wishing to predict rapidly-changing social phenomena and draw creative conclusions using big-data analysis.
Table of Contents Installation and Use of R Installation of R Use of R Scientific Research Design Research Concepts Variable Measurement Unit of Analysis Sampling and Hypothesis Testing Statistical Analysis Overview of Machine Learning Introduction Machine Learning Training Data Development of a Cyber bullying Prediction Model Based on Machine Learning Naïve Bayes Classification Model Logistic Regression Model Random Forest Model Decision Tree Model Neural Network Model Support Vector Machine Model Association Analysis Cluster Analysis and Segmentation Machine Learning Model Evaluation Machine Learning Model Evaluation Using Misclassification Tables Machine Learning Model Evaluation Using ROC Curves Artificial Intelligence Calculate the Effect of Input Variables on Output Variables (Prediction Probability) Using Training Data with Input Variables to Create Dependent Variables Creating Data with the Same Training-Data and Predicted-Data Classifications Evaluating Existing Training Data and High Quality Training Data Creating an Artificial Intelligence with Machine Learning Visualization Visualization of Text Data Visualization of Time Series Data Visualization of Geographical Data Developing Machine Learning–Based Predictive Models of Adverse Drug Responses Introduction Research Subjects and Analysis Method Result Discussion and Conclusion Index