دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Mining and Business Analytics with R
دانلود کتاب داده کاوی و تجزیه و تحلیل تجارت با R
مشخصات کتاب
Data Mining and Business Analytics with R
ویرایش:
نویسندگان: Johannes Ledolter
سری:
ISBN (شابک) : 9781118447147
ناشر: Wiley
سال نشر: 2013
تعداد صفحات: 361
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 31 مگابایت
قیمت کتاب (تومان) : 43,000
در صورت تبدیل فایل کتاب Data Mining and Business Analytics with R 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 داده کاوی و تجزیه و تحلیل تجارت با R 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.
توضیحاتی در مورد کتاب داده کاوی و تجزیه و تحلیل تجارت با R
جمع آوری، تجزیه و تحلیل و استخراج اطلاعات با ارزش از حجم زیادی از داده ها نیازمند ابزارهای محاسباتی و تحلیلی آسان، قوی، قابل دسترسی است. داده کاوی و تجزیه و تحلیل کسب و کار با R از نرم افزار منبع باز R برای تجزیه و تحلیل، کاوش و ساده سازی مجموعه داده های بزرگ با ابعاد بالا استفاده می کند. در نتیجه، به خوانندگان راهنمایی لازم برای مدل‌سازی و تفسیر داده‌های پیچیده داده می‌شود و در ساخت مدل‌های قدرتمند برای پیش‌بینی و طبقه‌بندی مهارت پیدا می‌کنند. با برجسته کردن مفاهیم اساسی و مهارت های محاسباتی عملی، داده کاوی و تجزیه و تحلیل تجاری با R با پوشش رگرسیون خطی استاندارد و اهمیت صرفه جویی در مدل سازی آماری آغاز می شود. این کتاب شامل موضوعات مهمی مانند انتخاب متغیر بر اساس مجازات (LASSO) است. رگرسیون لجستیک؛ درختان رگرسیون و طبقه بندی. خوشه بندی؛ اجزای اصلی و حداقل مربعات جزئی. و تجزیه و تحلیل متن و داده های شبکه. علاوه بر این، کتاب ارائه می دهد: • بحث کامل و نمایش گسترده تئوری در پس مفیدترین ابزارهای داده کاوی • تصاویری از نحوه استفاده از مفاهیم مشخص شده در موقعیت های دنیای واقعی • مجموعه داده‌های اضافی در دسترس و کد R مرتبط که به خوانندگان امکان می‌دهد تحلیل‌های خود را برای مطالب مورد بحث اعمال کنند. • تمرین های متعدد برای کمک به خوانندگان در مهارت های محاسباتی و تعمیق درک آنها از مطالب داده کاوی و تجزیه و تحلیل کسب و کار با R یک کتاب درسی عالی در سطح فارغ التحصیلی برای دوره های داده کاوی و تجزیه و تحلیل کسب و کار است. این کتاب همچنین مرجع ارزشمندی برای متخصصانی است که داده‌ها را در زمینه‌های مالی، مدیریت عملیات، بازاریابی و علوم اطلاعات جمع‌آوری و تجزیه و تحلیل می‌کنند.
توضیحاتی درمورد کتاب به خارجی
Collecting, analyzing, and extracting valuable information from a large amount of data requires easily accessible, robust, computational and analytical tools. Data Mining and Business Analytics with R utilizes the open source software R for the analysis, exploration, and simplification of large high-dimensional data sets. As a result, readers are provided with the needed guidance to model and interpret complicated data and become adept at building powerful models for prediction and classification. Highlighting both underlying concepts and practical computational skills, Data Mining and Business Analytics with R begins with coverage of standard linear regression and the importance of parsimony in statistical modeling. The book includes important topics such as penalty-based variable selection (LASSO); logistic regression; regression and classification trees; clustering; principal components and partial least squares; and the analysis of text and network data. In addition, the book presents: • A thorough discussion and extensive demonstration of the theory behind the most useful data mining tools • Illustrations of how to use the outlined concepts in real-world situations • Readily available additional data sets and related R code allowing readers to apply their own analyses to the discussed materials • Numerous exercises to help readers with computing skills and deepen their understanding of the material Data Mining and Business Analytics with R is an excellent graduate-level textbook for courses on data mining and business analytics. The book is also a valuable reference for practitioners who collect and analyze data in the fields of finance, operations management, marketing, and the information sciences.
