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: سازمان و پردازش داده ها ویرایش: 1 نویسندگان: Olivia Parr Rud سری: ISBN (شابک) : 9780471385646, 0471385646 ناشر: Wiley سال نشر: 2000 تعداد صفحات: 429 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Data Mining Cookbook: Modeling Data for Marketing, Risk and Customer Relationship Management 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 کتاب آشپزی داده کاوی: مدل سازی داده ها برای بازاریابی ، ریسک و مدیریت ارتباط با مشتری 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.
کتاب خوبی برای یادگیری تکنیک های داده کاوی رگرسیون لجستیک و خطی. این به برجسته کردن برخی از کاربردهای خوب کمک کرد، و خوشبختانه اخیراً این فرصت را داشتم که از آن در کارم استفاده کنم. با این حال، من کمی ناامید شدم که آماده سازی داده ها بسیار فشرده به نظر می رسید. نویسنده میتوانست به خوانندگان نشان دهد که چگونه جداول جستجوی مقادیر ریسک را در مجموعه دادههای مشتری ادغام کنند، نه اینکه هر یک از قوانین و ارزشها را کدنویسی کنند. یا استفاده از روش SAS برای ایجاد متغیرهای شاخص، به جای نوشتن قوانین برای هر دسته. به طور کلی، خوشحالم که کتاب را خریدم - این کتاب به ادعاهای خود عمل می کند - اما برخی از روش های بهتر و دستگاه های صرفه جویی در زمان را در آماده سازی داده ها از دست می دهد.
Good book for learning about the data mining techniques of logistic and linear regression. It helped highlight some good uses, and fortunately, I've recently had the opportunity to use it in my work. However, I was a bit disappointed that the data preparation seemed very coding intensive. The author could have shown readers how to merge lookup tables of risk values onto customer datasets, rather than hard-coding each of the rules and values; or to use the SAS procedure for creating indicator variables, instead of writing the rules for each category. Overall, I'm glad that I purchased the book - it lives up to its claims - but it misses some of the better practices, and time saving devices, in data preparation