R and Data Mining

ویرایش:  
نویسندگان: Yanchang Zhao  
سری:  
 
ناشر: Elsevier Science 
سال نشر: 2012 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 40,000



R and Data Mining محققان، دانشجویان تحصیلات تکمیلی و تحلیلگران را با داده کاوی با استفاده از R آشنا می کند، یک محیط نرم افزار رایگان برای محاسبات آماری و گرافیک. این کتاب روش‌های عملی را برای استفاده از R در برنامه‌های کاربردی از دانشگاه تا صنعت برای استخراج دانش از مقادیر زیادی داده ارائه می‌کند. خوانندگان این کتاب را راهنمای ارزشمندی برای استفاده از R در کارهایی مانند طبقه‌بندی و پیش‌بینی، خوشه‌بندی، تشخیص نقاط پرت، قوانین ارتباط، تجزیه و تحلیل توالی، متن کاوی، تجزیه و تحلیل شبکه‌های اجتماعی، تحلیل احساسات و موارد دیگر خواهند یافت.

< p>تکنیک های داده کاوی در طیف وسیعی از حوزه ها، از بانکداری گرفته تا بیمه، خرده فروشی، مخابرات، پزشکی، تحقیقات و دولت، در حال افزایش محبوبیت هستند. این کتاب بر مرحله مدل‌سازی فرآیند داده‌کاوی تمرکز دارد، همچنین به کاوش داده‌ها و ارزیابی مدل می‌پردازد.

با سه مطالعه موردی عمیق، راهنمای مرجع سریع، کتاب‌شناسی، و پیوندهایی به مجموعه‌ای از اطلاعات آنلاین منابع، R و داده...

R and Data Mining introduces researchers, post-graduate students, and analysts to data mining using R, a free software environment for statistical computing and graphics. The book provides practical methods for using R in applications from academia to industry to extract knowledge from vast amounts of data. Readers will find this book a valuable guide to the use of R in tasks such as classification and prediction, clustering, outlier detection, association rules, sequence analysis, text mining, social network analysis, sentiment analysis, and more.

Data mining techniques are growing in popularity in a broad range of areas, from banking to insurance, retail, telecom, medicine, research, and government. This book focuses on the modeling phase of the data mining process, also addressing data exploration and model evaluation.

With three in-depth case studies, a quick reference guide, bibliography, and links to a wealth of online resources, R and Data...