مشخصات کتاب

Mastering predictive analytics with R

ویرایش: 2nd 
نویسندگان: Forte. Rui Miguel,  Miller. James D.  
سری:  
ISBN (شابک) : 9781787121393, 1787121399 
ناشر: Packt 
سال نشر: 2017 
تعداد صفحات: 448 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 33 مگابایت 

کلمات کلیدی مربوط به کتاب تسلط بر تجزیه و تحلیل پیش بینی با R: R (زبان برنامه کامپیوتری)، داده کاوی -- پردازش داده، یادگیری ماشینی

در صورت تبدیل فایل کتاب Mastering predictive analytics with R 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 تسلط بر تجزیه و تحلیل پیش بینی با 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 تسلط بر تجزیه و تحلیل پیش بینی با R

با توسعه استراتژی، شهود و پایه ای محکم در مفاهیم اساسی درباره این کتاب، مهارت مدل سازی پیش بینی در R را به دست آورید* درک روش های اصلی مدل سازی پیش بینی کننده و حرکت فراتر از تفکر جعبه سیاه به سطح عمیق تر از درک * استفاده از انعطاف پذیری و مدولار بودن برای آزمایش طیف وسیعی از تکنیک‌ها و انواع داده‌ها* همراه با توصیه‌های عملی و نکاتی که مفاهیم مهم و بهترین شیوه‌ها را توضیح می‌دهد تا به شما کمک کند سریع و آسان بفهمید این کتاب برای چه کسی است، اگرچه دانشمندان داده، مدل‌سازان پیش‌بینی‌کننده یا تحلیل‌گران کمی تنها با اطلاعات اولیه آشنا هستند. به R و آمار، این کتاب را مفید خواهد یافت، متخصص داده باتجربه که مایل به رسیدن به سطح کارشناسی ارشد است، این کتاب را نیز بسیار ارزشمند خواهد یافت. توابع ساده و نحوه انتقال داده ها به اطراف. اگرچه هیچ تجربه قبلی با یادگیری ماشین یا مدل‌سازی پیش‌بینی لازم نیست، برخی از موضوعات پیشرفته ارائه شده است که به فراتر از قرار گرفتن در معرض افراد مبتدی نیاز دارد. طیف متنوعی از بسته ها * یاد بگیرید چگونه مدل های پیش بینی را طبقه بندی کنید و تشخیص دهید کدام مدل ها برای یک مشکل خاص مناسب هستند * مراحل مرتب سازی داده ها و بهبود معیارهای عملکردی را درک کنید * مفروضات، نقاط قوت و ضعف یک مدل پیش بینی را بشناسید * درک چگونگی و چرایی آن هر مدل پیش‌بینی در R کار می‌کند* معیارهای مناسب را برای ارزیابی عملکرد انواع مختلف مدل‌های پیش‌بینی انتخاب کنید* جاسازی کلمه و شبکه‌های عصبی مکرر را در R* کاوش کنید. مدل‌های قطار در R که می‌توانند روی مجموعه داده‌های بسیار بزرگ کار کنند. که هم برای یادگیری و هم برای استقرار راه حل های مدل سازی پیش بینی کننده عالی است. R با جامعه دائماً در حال رشد و مجموعه‌ای از بسته‌ها، عملکردی را برای مقابله با مجموعه‌ای از مشکلات واقعاً ارائه می‌دهد. این کتاب با یک فصل اختصاصی در مورد زبان مدل‌ها و فرآیند مدل‌سازی پیش‌بینی‌کننده آغاز می‌شود. منحنی یادگیری و فرآیند مرتب کردن داده ها را درک خواهید کرد. هر فصل بعدی به نوع خاصی از مدل می پردازد، مانند شبکه های عصبی، و بر سه سوال مهم در مورد نحوه عملکرد مدل، نحوه استفاده از R برای آموزش آن، و نحوه اندازه گیری و ارزیابی عملکرد آن با استفاده از مجموعه داده های دنیای واقعی تمرکز می کند. چگونه مدل هایی را آموزش می دهید که می توانند مجموعه داده های واقعاً بزرگ را مدیریت کنند؟ این کتاب نیز همین را به شما نشان خواهد داد. در نهایت، شما با اجرای برنامه‌های کاربردی در تعبیه کلمه و شبکه‌های عصبی مکرر، به موضوع واقعاً مهم یادگیری عمیق می‌پردازید. در پایان این کتاب، محبوب‌ترین تکنیک‌های مدل‌سازی مورد استفاده در مجموعه داده‌های دنیای واقعی را کاوش و آزمایش کرده‌اید و به آنها تسلط خواهید یافت. طیف متنوعی از تکنیک ها در تجزیه و تحلیل پیش بینی با استفاده از R.Style و رویکرد این کتاب یک رویکرد گام به گام در توضیح مفاهیم متوسط ​​تا پیشرفته در تجزیه و تحلیل پیش بینی می کند. هر مفهومی به طور عمیق توضیح داده می شود و با مثال های عملی قابل اجرا در یک محیط واقعی تکمیل می شود.

توضیحاتی درمورد کتاب به خارجی

Master the craft of predictive modeling in R by developing strategy, intuition, and a solid foundation in essential conceptsAbout This Book* Grasping the major methods of predictive modeling and moving beyond black box thinking to a deeper level of understanding* Leveraging the flexibility and modularity of R to experiment with a range of different techniques and data types* Packed with practical advice and tips explaining important concepts and best practices to help you understand quickly and easilyWho This Book Is ForAlthough budding data scientists, predictive modelers, or quantitative analysts with only basic exposure to R and statistics will find this book to be useful, the experienced data scientist professional wishing to attain master level status , will also find this book extremely valuable.. This book assumes familiarity with the fundamentals of R, such as the main data types, simple functions, and how to move data around. Although no prior experience with machine learning or predictive modeling is required, there are some advanced topics provided that will require more than novice exposure.What You Will Learn* Master the steps involved in the predictive modeling process* Grow your expertise in using R and its diverse range of packages* Learn how to classify predictive models and distinguish which models are suitable for a particular problem* Understand steps for tidying data and improving the performing metrics* Recognize the assumptions, strengths, and weaknesses of a predictive model* Understand how and why each predictive model works in R* Select appropriate metrics to assess the performance of different types of predictive model* Explore word embedding and recurrent neural networks in R* Train models in R that can work on very large datasetsIn DetailR offers a free and open source environment that is perfect for both learning and deploying predictive modeling solutions. With its constantly growing community and plethora of packages, R offers the functionality to deal with a truly vast array of problems.The book begins with a dedicated chapter on the language of models and the predictive modeling process. You will understand the learning curve and the process of tidying data. Each subsequent chapter tackles a particular type of model, such as neural networks, and focuses on the three important questions of how the model works, how to use R to train it, and how to measure and assess its performance using real-world datasets. How do you train models that can handle really large datasets? This book will also show you just that. Finally, you will tackle the really important topic of deep learning by implementing applications on word embedding and recurrent neural networks.By the end of this book, you will have explored and tested the most popular modeling techniques in use on real- world datasets and mastered a diverse range of techniques in predictive analytics using R.Style and approachThis book takes a step-by-step approach in explaining the intermediate to advanced concepts in predictive analytics. Every concept is explained in depth, supplemented with practical examples applicable in a real-world setting.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Hypnosis: Attracting Your Success: Mind Control, Self Hypnosis and NLP

دانلود کتاب Conversations of Goethe with Johann Peter Eckermann

دانلود کتاب Multi-Dimensional Liquid Chromatography: Principles, Practice, and Applications

دانلود کتاب I Stole $16,000,000: King of the Safe-crackers

دانلود کتاب La maison sans racines