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: Second edition
نویسندگان: Torgo. Luís
سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series
ISBN (شابک) : 9781482234893, 1482234890
ناشر: Taylor & Francis;Chapman and Hall/CRC
سال نشر: 2017
تعداد صفحات: 426
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 47 مگابایت
کلمات کلیدی مربوط به کتاب داده کاوی با R: یادگیری با مطالعات موردی، ویرایش دوم: داده کاوی، مطالعات موردی، R (زبان برنامه کامپیوتری)، داده کاوی.
در صورت تبدیل فایل کتاب Data Mining with R: Learning with Case Studies, Second Edition 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 با R: یادگیری با مطالعات موردی، ویرایش دوم 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.
داده کاوی با R: یادگیری با مطالعات موردی، ویرایش دوم از مثال های عملی برای نشان دادن قدرت R و داده کاوی استفاده می کند. این نسخه جدید با ارائه به روز رسانی گسترده به پرفروش ترین نسخه اول، به دو بخش تقسیم می شود. بخش اول حاوی مطالب مقدماتی است، از جمله فصل جدیدی که مقدمه ای بر داده کاوی ارائه می کند، تا مقدمه موجود در R را تکمیل کند. بخش دوم شامل مطالعات موردی است، و نسخه جدید به شدت کد R مربوط به مطالعات موردی را اصلاح می کند. با بستههای اخیری که در R پدیدار شدهاند، بهروزتر است.
این کتاب هیچ دانش قبلی در مورد R ندارد. خوانندگانی که در R و دادهکاوی تازه کار هستند. باید بتواند مطالعات موردی را دنبال کند، و آنها به گونه ای طراحی شده اند که خودکفا باشند تا خواننده بتواند از هر کجای سند شروع کند.
کتاب با مجموعهای از فایلهای منبع R بهطور رایگان در دسترس است که میتوانید در وبسایت کتاب به دست آورید. این فایلها شامل تمام کدهای مورد استفاده در مطالعات موردی هستند و رویکرد \"خودت انجام بده\" را که در کتاب دنبال میشود را تسهیل میکنند.
طراحیشده برای کاربران دادهها ابزارهای تجزیه و تحلیل، و همچنین محققان و توسعه دهندگان، این کتاب باید برای هر کسی که علاقه مند به ورود به \"دنیای\" R و داده کاوی است مفید باشد.
درباره نویسنده
< /B>Luís Torgo دانشیار گروه علوم کامپیوتر در دانشگاه پورتو در پرتغال است. او داده کاوی را در Rدر برنامه MS in Business Analytics School of Business NYU Stern تدریس می کند. دکتر تورگو یک محقق فعال در یادگیری ماشین و داده کاوی برای بیش از 20 سال، محقق آزمایشگاه هوش مصنوعی و تجزیه و تحلیل داده (LIAAD) INESC Porto LA است.
Data Mining with R: Learning with Case Studies, Second Edition uses practical examples to illustrate the power of R and data mining. Providing an extensive update to the best-selling first edition, this new edition is divided into two parts. The first part will feature introductory material, including a new chapter that provides an introduction to data mining, to complement the already existing introduction to R. The second part includes case studies, and the new edition strongly revises the R code of the case studies making it more up-to-date with recent packages that have emerged in R.
The book does not assume any prior knowledge about R. Readers who are new to R and data mining should be able to follow the case studies, and they are designed to be self-contained so the reader can start anywhere in the document.
The book is accompanied by a set of freely available R source files that can be obtained at the book’s web site. These files include all the code used in the case studies, and they facilitate the "do-it-yourself" approach followed in the book.
Designed for users of data analysis tools, as well as researchers and developers, the book should be useful for anyone interested in entering the "world" of R and data mining.
About the Author
Luís Torgo is an associate professor in the Department of Computer Science at the University of Porto in Portugal. He teaches Data Mining in R in the NYU Stern School of Business’ MS in Business Analytics program. An active researcher in machine learning and data mining for more than 20 years, Dr. Torgo is also a researcher in the Laboratory of Artificial Intelligence and Data Analysis (LIAAD) of INESC Porto LA.
Content: Introduction How to Read This Book A Short Introduction to R A Short Introduction to MySQL Predicting Algae Blooms Problem Description and Objectives Data Description Loading the Data into R Data Visualization and Summarization Unknown Values Obtaining Prediction Models Model Evaluation and Selection Predictions for the 7 Algae Predicting Stock Market Returns Problem Description and Objectives The Available Data Defining the Prediction Tasks The Prediction Models From Predictions into Actions Model Evaluation and Selection The Trading System Detecting Fraudulent Transactions Problem Description and Objectives The Available Data Defining the Data Mining Tasks Obtaining Outlier Rankings Classifying Microarray Samples Problem Description and Objectives The Available Data Gene (Feature) Selection Predicting Cytogenetic Abnormalities Bibliography Index Index of Data Mining Topics Index of R Functions