Making sense of data II: a practical guide to data visualization, advanced data mining methods, and applications

این قسمت دوم از سری ساخت حس داده‌ها به بررسی طیف متنوعی از رویکردهای متداول برای تصمیم‌گیری و برقراری ارتباط از داده‌ها ادامه می‌دهد. این کتاب با بررسی موضوعات فنی بیشتر، خوانندگان را با روش های پیشرفته داده کاوی مجهز می کند که برای تبدیل موفقیت آمیز داده های خام به تصمیمات هوشمند در زمینه های مختلف تحقیقاتی از جمله تجارت، مهندسی، مالی و علوم اجتماعی مورد نیاز است.

پس از یک مقدمه جامع که جزئیات نحوه تعریف یک مشکل، انجام تجزیه و تحلیل و به کارگیری نتایج را شرح می دهد، Making Sense of Data II به تکنیک های کلیدی زیر برای تجزیه و تحلیل پیشرفته داده ها می پردازد:

• تجسم داده ها، اصول و روش های درک و ارتباط داده ها را از طریق استفاده از تجسم شامل متغیرهای منفرد، رابطه بین دو یا چند متغیر، گروه بندی در داده ها و رویکردهای پویا برای تعامل با داده ها از طریق رابط های کاربر گرافیکی بررسی می کند.

• خوشه‌بندی رویکردهای رایج برای خوشه‌بندی مجموعه‌های داده را تشریح می‌کند و توضیحات مفصلی در مورد روش‌های تعیین فاصله بین مشاهدات و روش‌های خوشه‌بندی مشاهدات ارائه می‌دهد. خوشه‌بندی سلسله مراتبی، خوشه‌بندی مبتنی بر پارتیشن، و خوشه‌بندی فازی نیز مورد بحث قرار گرفته‌اند.

• Predictive Analytics بحثی را در مورد چگونگی ساخت و ارزیابی مدل‌ها به همراه مجموعه‌ای از تحلیل‌های پیش‌بین ارائه می‌دهد که می‌توانند در موقعیت‌های مختلفی از جمله تجزیه و تحلیل مؤلفه‌های اصلی، رگرسیون خطی چندگانه، تجزیه و تحلیل متمایز، استفاده شوند. رگرسیون لجستیک و بیز ساده لوح.

• برنامه ها کاربردهای کنونی داده کاوی را در طیف وسیعی از صنایع نشان می دهد و دارای مطالعات موردی است که کاربردهای مرتبط را در سناریوهای دنیای واقعی نشان می دهد.

هر روش در چارچوب فرآیند داده کاوی از جمله تعریف مشکل و بکارگیری نتایج مورد بحث قرار می گیرد و به خوانندگان راهنمایی می شود که چه زمانی و چگونه باید از هر روش استفاده شود. وب سایت مربوط به این سری (www.makingsenseofdata.com) تجزیه و تحلیل عملی داده و تجربه داده کاوی را ارائه می دهد. خوانندگانی که مایل به کسب تجربه عملی بیشتری هستند، از بخش آموزشی کتاب همراه با نرم افزار Traceis^TM که به صورت رایگان به صورت آنلاین در دسترس است بهره خواهند برد.

با مجموعه ای جامع از روش های پیشرفته داده کاوی همراه با آموزش های کاربردی در زمینه های مختلف، Making Sense of Data II کتابی ضروری برای دوره های تجزیه و تحلیل داده و داده کاوی در سطوح فوق لیسانس و فوق لیسانس است. همچنین به عنوان یک مرجع ارزشمند برای محققان و متخصصانی که علاقه مند به یادگیری چگونگی تصمیم گیری موثر از داده ها و درک آن هستند که تجزیه و تحلیل داده ها و روش های داده کاوی می تواند به سازمان آنها کمک کند، عمل می کند.

This second installment in the Making Sense of Data series continues to explore a diverse range of commonly used approaches to making and communicating decisions from data. Delving into more technical topics, this book equips readers with advanced data mining methods that are needed to successfully translate raw data into smart decisions across various fields of research including business, engineering, finance, and the social sciences.

Following a comprehensive introduction that details how to define a problem, perform an analysis, and deploy the results, Making Sense of Data II addresses the following key techniques for advanced data analysis:

• Data Visualization reviews principles and methods for understanding and communicating data through the use of visualization including single variables, the relationship between two or more variables, groupings in data, and dynamic approaches to interacting with data through graphical user interfaces.

• Clustering outlines common approaches to clustering data sets and provides detailed explanations of methods for determining the distance between observations and procedures for clustering observations. Agglomerative hierarchical clustering, partitioned-based clustering, and fuzzy clustering are also discussed.

• Predictive Analytics presents a discussion on how to build and assess models, along with a series of predictive analytics that can be used in a variety of situations including principal component analysis, multiple linear regression, discriminate analysis, logistic regression, and Naïve Bayes.

• Applications demonstrates the current uses of data mining across a wide range of industries and features case studies that illustrate the related applications in real-world scenarios.

Each method is discussed within the context of a data mining process including defining the problem and deploying the results, and readers are provided with guidance on when and how each method should be used. The related Web site for the series (www.makingsenseofdata.com) provides a hands-on data analysis and data mining experience. Readers wishing to gain more practical experience will benefit from the tutorial section of the book in conjunction with the Traceis^TM software, which is freely available online.

With its comprehensive collection of advanced data mining methods coupled with tutorials for applications in a range of fields, Making Sense of Data II is an indispensable book for courses on data analysis and data mining at the upper-undergraduate and graduate levels. It also serves as a valuable reference for researchers and professionals who are interested in learning how to accomplish effective decision making from data and understanding if data analysis and data mining methods could help their organization.