مشخصات کتاب

Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner

ویرایش: 1 
نویسندگان: Vijay Kotu. Bala Deshpande  
سری:  
ISBN (شابک) : 0128014601, 9780128014608 
ناشر: Morgan Kaufmann 
سال نشر: 2014 
تعداد صفحات: 426 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

در صورت تبدیل فایل کتاب Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner 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 تجزیه و تحلیل پیش بینی و داده کاوی: مفاهیم و تمرین با RapidMiner 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 تجزیه و تحلیل پیش بینی و داده کاوی: مفاهیم و تمرین با RapidMiner

تحلیل پیش‌بینی‌کننده را وارد عمل کنیدمبانی تحلیل پیش‌بینی و داده‌کاوی را از طریق چارچوب مفهومی آسان بیاموزید و بلافاصله مفاهیم آموخته‌شده را با استفاده از ابزار منبع باز RapidMiner تمرین کنید. چه در زمینه داده کاوی کاملاً تازه کار باشید و چه روی دهمین پروژه خود کار می کنید، این کتاب به شما نشان می دهد که چگونه داده ها را تجزیه و تحلیل کنید، الگوها و روابط پنهان را برای کمک به تصمیم گیری ها و پیش بینی های مهم کشف کنید. داده کاوی به یک ابزار ضروری برای هر شرکتی تبدیل شده است که داده ها را به عنوان بخشی از عملیات خود جمع آوری، ذخیره و پردازش می کند. این کتاب برای کاربران تجاری، تحلیلگران داده، تحلیلگران تجاری، متخصصان هوش تجاری و انبار داده و برای هر کسی که می خواهد داده کاوی را یاد بگیرد ایده آل است. شما قادر خواهید بود: 1. دانش لازم را در مورد تکنیک های مختلف داده کاوی به دست آورید، به طوری که بتوانید تکنیک مناسب را برای یک مشکل داده انتخاب کنید و یک فرآیند تجزیه و تحلیل با هدف کلی ایجاد کنید. 2. با بیش از دوجین الگوریتم قدرتمند رایج برای تجزیه و تحلیل پیش‌بینی‌کننده با استفاده از موارد استفاده عملی، سریع راه‌اندازی و اجرا کنید. 3. اجرای یک فرآیند گام به گام ساده برای پیش‌بینی نتیجه یا کشف روابط پنهان از داده‌ها با استفاده از RapidMiner، یک ابزار داده کاوی مبتنی بر رابط کاربری گرافیکی منبع باز

تکنیک‌های تجزیه و تحلیل پیش‌بینی‌کننده و داده‌کاوی تحت پوشش: اکتشافی تجزیه و تحلیل داده‌ها، تجسم، درخت‌های تصمیم، القای قانون، k-نزدیک‌ترین همسایه‌ها، بیزی ساده‌لوح، شبکه‌های عصبی مصنوعی، ماشین‌های بردار پشتیبان، مدل‌های مجموعه، بسته‌بندی، تقویت، جنگل‌های تصادفی، رگرسیون خطی، رگرسیون لجستیک، تحلیل انجمن با استفاده از Apriori و FP Grow ، خوشه بندی K-Means، خوشه بندی مبتنی بر تراکم، نقشه های خودسازماندهی، متن کاوی، پیش بینی سری های زمانی، تشخیص ناهنجاری و انتخاب ویژگی. فایل های پیاده سازی را می توان از سایت همراه کتاب در www.LearnPredictiveAnalytics.com




مفاهیم داده‌کاوی را با زبانی قابل فهم ابهام می‌کند
نشان می‌دهد که چگونه می‌توان با 20 تکنیک قدرتمند رایج و پرکاربرد، سریع راه‌اندازی کرد. تجزیه و تحلیل پیش‌بینی‌کننده
روند استفاده از ابزارهای منبع باز RapidMiner را توضیح می‌دهد
درباره یک فرآیند 5 مرحله‌ای ساده برای پیاده‌سازی الگوریتم‌هایی که می‌توان برای انجام تحلیل‌های پیش‌بینی استفاده کرد، بحث می‌کند
شامل موارد و مثال‌های کاربردی کاربردی است.

توضیحاتی درمورد کتاب به خارجی

Put Predictive Analytics into ActionLearn the basics of Predictive Analysis and Data Mining through an easy to understand conceptual framework and immediately practice the concepts learned using the open source RapidMiner tool. Whether you are brand new to Data Mining or working on your tenth project, this book will show you how to analyze data, uncover hidden patterns and relationships to aid important decisions and predictions. Data Mining has become an essential tool for any enterprise that collects, stores and processes data as part of its operations. This book is ideal for business users, data analysts, business analysts, business intelligence and data warehousing professionals and for anyone who wants to learn Data Mining. You'll be able to: 1. Gain the necessary knowledge of different data mining techniques, so that you can select the right technique for a given data problem and create a general purpose analytics process. 2. Get up and running fast with more than two dozen commonly used powerful algorithms for predictive analytics using practical use cases. 3. Implement a simple step-by-step process for predicting an outcome or discovering hidden relationships from the data using RapidMiner, an open source GUI based data mining tool

Predictive analytics and Data Mining techniques covered: Exploratory Data Analysis, Visualization, Decision trees, Rule induction, k-Nearest Neighbors, Naive Bayesian, Artificial Neural Networks, Support Vector machines, Ensemble models, Bagging, Boosting, Random Forests, Linear regression, Logistic regression, Association analysis using Apriori and FP Growth, K-Means clustering, Density based clustering, Self Organizing Maps, Text Mining, Time series forecasting, Anomaly detection and Feature selection. Implementation files can be downloaded from the book companion site atwww.LearnPredictiveAnalytics.com




Demystifies data mining concepts with easy to understand language
Shows how to get up and running fast with 20 commonly used powerful techniques for predictive analysis
Explains the process of using open source RapidMiner tools
Discusses a simple 5 step process for implementing algorithms that can be used for performing predictive analytics
Includes practical use cases and examples

نظرات کاربران

کتاب های تصادفی

دانلود کتاب The End of History and the Last Man

دانلود کتاب Sens teoretyczny a sens empiryczny pojęcia postawy. Analiza metodologiczna zasad doboru wskaźników w badaniach nad postawami

دانلود کتاب Mongol Warrior 1200-1350

دانلود کتاب Bárányvakság

دانلود کتاب Contacts ovni à Cergy-Pontoise