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: [1 ed.]
نویسندگان: Hong Zhou
سری:
ISBN (شابک) : 1484259815, 9781484259818
ناشر: Apress
سال نشر: 2020
تعداد صفحات: 130
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 Mb
در صورت تبدیل فایل کتاب Learn Data Mining Through Excel: A Step-by-step Approach for Understanding Machine Learning Methods 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 یادگیری داده کاوی از طریق اکسل: رویکردی گام به گام برای درک روش های یادگیری ماشینی 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.
از تکنیک های رایج داده کاوی در مایکروسافت اکسل برای درک بهتر روش های یادگیری ماشین استفاده کنید.
ابزارهای نرم افزاری و بسته های زبان برنامه نویسی ورودی
داده را دریافت می کنند و نتایج داده کاوی را مستقیماً
ارائه می دهند. عدم ارائه بینشی در مورد مکانیک کار و
ایجاد شکاف بین ورودی و خروجی. اینجاست که اکسل می تواند
به شما کمک کند.
اکسل به شما امکان می دهد با داده ها به صورت شفاف کار
کنید. هنگامی که یک فایل اکسل را باز می کنید، داده ها
بلافاصله قابل مشاهده هستند و می توانید مستقیماً با آن
کار کنید. نتایج میانی را می توان در حین انجام کار
ماینینگ مورد بررسی قرار داد و درک عمیق تری از نحوه
دستکاری داده ها و به دست آوردن نتایج ارائه می دهد.
اینها جنبه های حیاتی فرآیند ساخت مدل هستند که در
ابزارهای نرم افزاری و بسته های زبان برنامه نویسی پنهان
شده اند.
این کتاب داده کاوی از طریق اکسل را به شما آموزش می دهد.
شما یاد خواهید گرفت که چگونه اکسل در داده کاوی مزیت
دارد زمانی که مجموعه داده ها خیلی بزرگ نیستند. این می
تواند به شما نمایشی بصری از داده کاوی بدهد و در نتایج
شما اعتماد ایجاد کند. شما هر مرحله را به صورت دستی طی
خواهید کرد، که نه تنها یک تجربه یادگیری فعال را ارائه
می دهد، بلکه به شما می آموزد که چگونه فرآیند کاوی کار
می کند و چگونه الگوهای پنهان داخلی درون داده ها را پیدا
کنید.
آنچه یاد خواهید گرفت
Use popular data mining techniques in Microsoft Excel to better understand machine learning methods.
Software tools and programming language packages take
data input and deliver data mining results directly,
presenting no insight on working mechanics and creating a
chasm between input and output. This is where Excel can
help.
Excel allows you to work with data in a transparent
manner. When you open an Excel file, data is visible
immediately and you can work with it directly.
Intermediate results can be examined while you are
conducting your mining task, offering a deeper
understanding of how data is manipulated and results are
obtained. These are critical aspects of the model
construction process that are hidden in software tools
and programming language packages.
This book teaches you data mining through Excel. You will
learn how Excel has an advantage in data mining when the
data sets are not too large. It can give you a visual
representation of data mining, building confidence in
your results. You will go through every step manually,
which offers not only an active learning experience, but
teaches you how the mining process works and how to find
the internal hidden patterns inside the data.
What You Will Learn
Table of Contents About the Author About the Technical Reviewer Acknowledgments Introduction Chapter 1: Excel and Data Mining Why Excel? Prepare Some Excel Skills Formula Autofill or Copy Absolute Reference Paste Special and Paste Values IF Function Series Review Points Chapter 2: Linear Regression General Understanding Learn Linear Regression Through Excel Learn Multiple Linear Regression Through Excel Review Points Chapter 3: K-Means Clustering General Understanding Learn K-Means Clustering Through Excel Review Points Chapter 4: Linear Discriminant Analysis General Understanding Solver Learn LDA Through Excel Review Points Chapter 5: Cross-Validation and ROC General Understanding of Cross-Validation Learn Cross-Validation Through Excel General Understanding of ROC Analysis Learn ROC Analysis Through Excel Review Points Chapter 6: Logistic Regression General Understanding Learn Logistic Regression Through Excel Review Points Chapter 7: K-Nearest Neighbors General Understanding Learn K-NN Through Excel Experiment 1 Experiment 2 Experiment 3 Experiment 4 Review Points Chapter 8: Naïve Bayes Classification General Understanding Learn Naïve Bayes Through Excel Exercise 1 Exercise 2 Review Points Chapter 9: Decision Trees General Understanding Learn Decision Trees Through Excel Learn Decision Trees Through Excel A Better Approach Apply the Model Review Points Chapter 10: Association Analysis General Understanding Learn Association Analysis Through Excel Review Points Chapter 11: Artificial Neural Network General Understanding Learn Neural Network Through Excel Experiment 1 Experiment 2 Review Points Chapter 12: Text Mining General Understanding Learn Text Mining Through Excel Review Points Chapter 13: After Excel Index