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 سری: ISBN (شابک) : 9789811396649 ناشر: Springer سال نشر: 2020 تعداد صفحات: 127 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Predictive Data Mining Models [2nd ed.] 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 داده کاوی پیش بینی شده [ویرایش دوم] 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.
Preface......Page 3
Contents......Page 4
1.1 The Big Data Era......Page 7
1.2 Business Intelligence......Page 8
1.4 Computer Support Systems......Page 9
1.5 DM Forecasting Applications......Page 11
1.6 Data Mining Tools......Page 12
1.7 Summary......Page 13
Refs......Page 14
2 Data Sets......Page 16
2.1 Gold......Page 17
2.2 Other Datasets......Page 19
2.3 Summary......Page 24
Refs......Page 25
3.1 Moving Average Models......Page 26
3.2 Regression Models......Page 27
3.3 Time Series Error Metrics......Page 31
3.4 Seasonality......Page 32
3.5 Demonstration Data......Page 36
3.6 Software Demonstrations......Page 40
3.7 Summary......Page 47
4.1 Data Series......Page 50
4.2 Correlation......Page 52
4.3 Lags......Page 55
4.4 Summary......Page 60
5.1 R Regression Trees......Page 62
5.2 Random Forests......Page 66
5.3 WEKA Regression Trees......Page 72
Ref......Page 82
6.1 ARIMA Models......Page 83
6.2 ARIMA Model of Brent Crude......Page 84
6.3 ARMA......Page 86
6.4 GARCH Models......Page 91
6.6 Application on Crude Oil Data......Page 93
6.7 Summary......Page 96
Refs......Page 97
7.1 Bankruptcy Data Set......Page 98
7.2 Logistic Regression......Page 100
7.3 Support Vector Machines......Page 105
7.4 Neural Networks......Page 109
7.5 Decision Trees......Page 110
7.6 Random Forests......Page 113
7.7 Boosting......Page 115
7.8 Comparison......Page 116
7.9 WEKA Classification Modeling......Page 119
7.10 Summary......Page 123
Refe......Page 124
8 Predictive Models & Big Data......Page 125
Refs......Page 127