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: نویسندگان: David L. Olson, Desheng Wu (auth.) سری: Computational Risk Management ISBN (شابک) : 9789811025426, 9789811025433 ناشر: Springer Singapore سال نشر: 2017 تعداد صفحات: 105 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مدل های پیش بینی داده کاوی: کلان داده/تحلیل، داده کاوی و کشف دانش، مدیریت ریسک
در صورت تبدیل فایل کتاب Predictive Data Mining Models 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 مدل های پیش بینی داده کاوی 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.
این کتاب به بررسی مدلهای پیشبینی دادهکاوی، از ابزارهای اساسی برای دادههای پایدار از طریق مدلهای علی، تا مدلهای پیشرفتهتر با استفاده از روندها و چرخهها میپردازد. این مدل ها بر اساس داده های مربوط به کسب و کار، از جمله شاخص های سهام، قیمت نفت خام و قیمت طلا نشان داده شده اند. رویکرد اصلی کتاب بیش از هر چیز توصیفی است و به دنبال توضیح چگونگی کارکرد دقیق روشها است. به این ترتیب، شامل استنادهای انتخاب شده است، اما به مرجع علمی عمیق نمی رود. مجموعه دادهها و نرمافزار بررسیشده برای دسترسی گسترده به همه خوانندگان با دسترسی به اینترنت انتخاب شدند.
This book reviews forecasting data mining models, from basic tools for stable data through causal models, to more advanced models using trends and cycles. These models are demonstrated on the basis of business-related data, including stock indices, crude oil prices, and the price of gold. The book’s main approach is above all descriptive, seeking to explain how the methods concretely work; as such, it includes selected citations, but does not go into deep scholarly reference. The data sets and software reviewed were selected for their widespread availability to all readers with internet access.
Front Matter....Pages i-xi
Knowledge Management....Pages 1-7
Data Sets....Pages 9-15
Basic Forecasting Tools....Pages 17-33
Multiple Regression....Pages 35-43
Regression Tree Models....Pages 45-54
Autoregressive Models....Pages 55-69
Classification Tools....Pages 71-93
Predictive Models and Big Data....Pages 95-97
Back Matter....Pages 99-102