برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine Learning with R Cookbook

دانلود کتاب یادگیری ماشین با کتاب آشپزی R

مشخصات کتاب

Machine Learning with R Cookbook

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش: 2 
نویسندگان: AshishSingh Bhatia,  Yu-Wei,  Chiu (David Chiu)  
سری:  
ISBN (شابک) : 9781787284395 
ناشر: Packt 
سال نشر: 2017 
تعداد صفحات: 558 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت

قیمت کتاب (تومان) : 41,000

کلمات کلیدی مربوط به کتاب یادگیری ماشین با کتاب آشپزی R: برنامه نویسی، زبان های برنامه نویسی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 4

در صورت تبدیل فایل کتاب Machine Learning with R Cookbook 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 ماشین با کتاب آشپزی 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 یادگیری ماشین با کتاب آشپزی R

کاوش بیش از 110 دستور العمل برای تجزیه و تحلیل داده‌ها و ساخت مدل‌های پیش‌بینی با کد R ساده و آسان درباره این کتاب* برای ساده‌سازی مدل‌سازی پیش‌بینی‌کننده با کدهای کوتاه و ساده از R استفاده کنید* از یادگیری ماشین برای حل مشکلات مختلف از داده‌های کوچک تا بزرگ استفاده کنید* ساخت یک مجموعه داده آموزشی و آزمایشی، با استفاده از روش‌های مختلف طبقه‌بندی. این کتاب برای متخصصان علوم داده، تحلیلگران داده، یا افرادی است که از R برای تجزیه و تحلیل داده‌ها و یادگیری ماشین استفاده کرده‌اند و اکنون می‌خواهند به فرد مورد علاقه برای ماشین تبدیل شوند. یادگیری با R. کسانی که مایل به بهبود کارایی مدل‌های یادگیری ماشینی خود هستند و نیاز به کار با انواع مختلف مجموعه داده‌ها دارند، این کتاب را بسیار روشنگر خواهند یافت. الگوریتم* تجسم الگوها و تداعی ها با استفاده از طیف وسیعی از نمودارها و یافتن مجموعه های مکرر آیتم ها با استفاده از الگوریتم Eclat* تفاوت های بین هر روش رگرسیون را مقایسه کنید تا بفهمید چگونه آنها مسائل را حل می کنند* مقادیر گمشده در داده های کیفیت هوا را تشخیص داده و نسبت دهید* کاربران احتمالی ریزش را پیش بینی کنید. رویکرد طبقه بندی* رسم تابع همبستگی خودکار با تجزیه و تحلیل سری های زمانی* استفاده از مدل خطرات متناسب کاکس برای تجزیه و تحلیل بقا* پیاده سازی روش خوشه بندی برای تقسیم بندی داده های مشتری * فشرده سازی تصاویر با روش کاهش ابعاد * ترکیب R و Hadoop برای حل مشکلات یادگیری ماشین در داده‌های بزرگ در DetailBig داده‌ها به یک کلمه رایج در بسیاری از صنایع تبدیل شده است. تعداد فزاینده‌ای از مردم در معرض این اصطلاح قرار گرفته‌اند و به دنبال این هستند که چگونه از داده‌های بزرگ در کسب‌وکار خود برای بهبود فروش و سودآوری استفاده کنند. با این حال، جمع آوری، تجمیع و تجسم داده ها تنها بخشی از معادله است. توانایی استخراج اطلاعات مفید از داده ها کار دیگری است و بسیار چالش برانگیزتر. Machine Learning with R Cookbook، نسخه دوم از یک رویکرد عملی برای آموزش نحوه انجام یادگیری ماشین با R استفاده می کند. هر فصل به چندین دستور العمل ساده تقسیم می شود. از طریق دستورالعمل های گام به گام ارائه شده در هر دستور غذا، شما قادر خواهید بود با استفاده از انواع بسته های یادگیری ماشین، یک مدل پیش بینی بسازید. در این کتاب ابتدا یاد خواهید گرفت که محیط R را راه اندازی کنید و از دستورات ساده R برای کاوش داده ها استفاده کنید. مبحث بعدی نحوه انجام تجزیه و تحلیل آماری با تجزیه و تحلیل یادگیری ماشین و ارزیابی مدل های ایجاد شده را پوشش می دهد که در ادامه این کتاب به تفصیل شرح داده شده است. شما همچنین یاد خواهید گرفت که چگونه R و Hadoop را برای ایجاد یک پلت فرم تجزیه و تحلیل داده های بزرگ ادغام کنید. تصاویر دقیق تمام اطلاعات مورد نیاز برای شروع به کارگیری یادگیری ماشینی در پروژه های فردی را ارائه می دهند. با یادگیری ماشینی با کتاب آشپزی R، یادگیری ماشین هرگز آسان‌تر نبوده است. سبک و رویکرد این راهنمای آسان برای دنبال کردن همراه با نمونه‌های عملی از وظایف یادگیری ماشین است. هر مبحث شامل دستورالعمل‌های گام به گام در برخورد با مشکلاتی است که هنگام استفاده از R در یادگیری ماشین با آن مواجه می‌شوید.

توضیحاتی درمورد کتاب به خارجی

Explore over 110 recipes to analyze data and build predictive models with simple and easy-to-use R codeAbout This Book* Apply R to simplify predictive modeling with short and simple code* Use machine learning to solve problems ranging from small to big data* Build a training and testing dataset, applying different classification methods.Who This Book Is ForThis book is for data science professionals, data analysts, or people who have used R for data analysis and machine learning who now wish to become the go-to person for machine learning with R. Those who wish to improve the efficiency of their machine learning models and need to work with different kinds of data set will find this book very insightful.What You Will Learn* Create and inspect transaction datasets and perform association analysis with the Apriori algorithm* Visualize patterns and associations using a range of graphs and find frequent item-sets using the Eclat algorithm* Compare differences between each regression method to discover how they solve problems* Detect and impute missing values in air quality data* Predict possible churn users with the classification approach* Plot the autocorrelation function with time series analysis* Use the Cox proportional hazards model for survival analysis* Implement the clustering method to segment customer data* Compress images with the dimension reduction method* Incorporate R and Hadoop to solve machine learning problems on big dataIn DetailBig data has become a popular buzzword across many industries. An increasing number of people have been exposed to the term and are looking at how to leverage big data in their own businesses, to improve sales and profitability. However, collecting, aggregating, and visualizing data is just one part of the equation. Being able to extract useful information from data is another task, and a much more challenging one. Machine Learning with R Cookbook, Second Edition uses a practical approach to teach you how to perform machine learning with R. Each chapter is divided into several simple recipes. Through the step-by-step instructions provided in each recipe, you will be able to construct a predictive model by using a variety of machine learning packages. In this book, you will first learn to set up the R environment and use simple R commands to explore data. The next topic covers how to perform statistical analysis with machine learning analysis and assess created models, covered in detail later on in the book. You'll also learn how to integrate R and Hadoop to create a big data analysis platform. The detailed illustrations provide all the information required to start applying machine learning to individual projects. With Machine Learning with R Cookbook, machine learning has never been easier.Style and approachThis is an easy-to-follow guide packed with hands-on examples of machine learning tasks. Each topic includes step-by-step instructions on tackling difficulties faced when applying R to machine learning.