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: Andrea Cirillo
سری:
ISBN (شابک) : 9781787124462
ناشر: Packt
سال نشر: 2017
تعداد صفحات: 0
زبان: english
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب R Data Mining (source code) 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 داده کاوی R (کد منبع) 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.
اطلاعات ارزشمندی را از دادههای خود با استفاده از ابزارها و تکنیکهای رایج در RAbout This Book استخراج کنید* اصول داده کاوی را بدانید و چرا R ابزاری عالی برای آن است.* دادههای خود را با استفاده از بستههای R محبوب مانند ggplot2، dplyr و غیره دستکاری کنید. بینش های تجاری ارزشمندی را از آن جمع آوری کنید.* از مدل های داده کاوی مؤثر برای انجام وظایف رگرسیونی و طبقه بندی استفاده کنید. این کتاب برای چه کسی است اگر دانشمند داده نوپا یا تحلیلگر داده با دانش اولیه R هستید و می خواهید وارد پیچیدگی ها شوید. داده کاوی به روشی عملی، این کتاب برای شماست. هیچ تجربه قبلی در زمینه داده کاوی مورد نیاز نیست. آنچه یاد خواهید گرفت* به بسته های مربوطه مانند dplyr، ggplot2 و غیره برای داده کاوی تسلط داشته باشید* یاد بگیرید که چگونه یک پروژه داده کاوی را به طور مؤثر سازماندهی کنید از طریق متدولوژی CRISP-DM* پیاده سازی پاکسازی و اعتبارسنجی داده ها وظایفی برای آماده کردن داده های خود برای فعالیت های داده کاوی * اجرای تجزیه و تحلیل داده های اکتشافی به دو روش عددی و گرافیکی * توسعه مدل های رگرسیون ساده و چندگانه همراه با رگرسیون لجستیک * استفاده از تکنیک های یادگیری گروهی پایه برای پیوستن به نتایج مدل های داده کاوی مختلف * انجام تجزیه و تحلیل متن کاوی از فایلهای پیدیاف بدون ساختار و دادههای متنی* گزارشهایی را برای برقراری ارتباط موثر اهداف، روشها و بینشهای تحلیلهای خود تولید کنید. DetailR به طور گسترده برای استفاده از تکنیکهای داده کاوی در بسیاری از صنایع مختلف از جمله مالی، پزشکی، تحقیقات علمی و غیره استفاده میشود. این کتاب به شما امکان می دهد تا با انتخاب و اجرای تکنیک های داده کاوی مناسب در R، تجزیه و تحلیل های قابل توجهی را از داده ها تولید و ارائه دهید. به شما این امکان را می دهد که در حین غوطه ور شدن در یک پرونده جرم داده کاوی بی نظیر، این مهارت های قدرتمند را به دست آورید. از شما درخواست می شود که با استفاده از تکنیک های داده کاوی اولیه و پیشرفته، به حل یک پرونده تقلب واقعی که بر یک شرکت تجاری تأثیر می گذارد کمک کنید. در حین حرکت در طول داستان، بسته های R مختلف که معمولاً برای آنها استفاده می شود، به طور مؤثری یاد می گیرید و روی داده های واقعی تمرین می کنید. این نوع وظایف همچنین این شانس را خواهید داشت که برخی از محبوبترین و مؤثرترین مدلها و الگوهای دادهکاوی، از رگرسیون خطی چندگانه اولیه تا پیشرفتهترین ماشینهای بردار پشتیبانی را اعمال کنید. بر خلاف سایر ابزارهای یادگیری داده کاوی، این کتاب به طور موثر نظریه پشت این مدل ها، مفروضات مرتبط آنها و زمانی که می توان آنها را در داده هایی که با آن روبرو هستید اعمال کرد، به شما نشان می دهد. در پایان کتاب، جعبه ابزار جدید و قدرتمندی را در دست خواهید داشت که دقیقاً می دانید چه زمانی و چگونه از هر یک از آنها برای حل مشکلات داده کاوی خود استفاده کنید و از داده های خود بیشترین بهره را ببرید. در نهایت، به شما اجازه می دهد تا نوردهی را به حداکثر برسانید. برای مفاهیم توصیفشده و فرآیند یادگیری، این کتاب حاوی مجموعهای قابل تکرار از اسکریپتهای R نظری و مجموعهای عملی از مدلهای دادهکاوی برگههای تقلب است. سبک و رویکرد این کتاب رویکردی عملی و گام به گام برای توضیح مفاهیم دارد. از داده کاوی موارد استفاده عملی شامل مجموعه داده های دنیای واقعی در سراسر کتاب برای توضیح واضح مفاهیم نظری استفاده می شود.
Mine valuable insights from your data using popular tools and techniques in RAbout This Book* Understand the basics of data mining and why R is a perfect tool for it.* Manipulate your data using popular R packages such as ggplot2, dplyr, and so on to gather valuable business insights from it.* Apply effective data mining models to perform regression and classification tasks.Who This Book Is ForIf you are a budding data scientist, or a data analyst with a basic knowledge of R, and want to get into the intricacies of data mining in a practical manner, this is the book for you. No previous experience of data mining is required.What You Will Learn* Master relevant packages such as dplyr, ggplot2 and so on for data mining* Learn how to effectively organize a data mining project through the CRISP-DM methodology* Implement data cleaning and validation tasks to get your data ready for data mining activities* Execute Exploratory Data Analysis both the numerical and the graphical way* Develop simple and multiple regression models along with logistic regression* Apply basic ensemble learning techniques to join together results from different data mining models* Perform text mining analysis from unstructured pdf files and textual data* Produce reports to effectively communicate objectives, methods, and insights of your analysesIn DetailR is widely used to leverage data mining techniques across many different industries, including finance, medicine, scientific research, and more. This book will empower you to produce and present impressive analyses from data, by selecting and implementing the appropriate data mining techniques in R.It will let you gain these powerful skills while immersing in a one of a kind data mining crime case, where you will be requested to help resolving a real fraud case affecting a commercial company, by the mean of both basic and advanced data mining techniques.While moving along the plot of the story you will effectively learn and practice on real data the various R packages commonly employed for this kind of tasks. You will also get the chance of apply some of the most popular and effective data mining models and algos, from the basic multiple linear regression to the most advanced Support Vector Machines. Unlike other data mining learning instruments, this book will effectively expose you the theory behind these models, their relevant assumptions and when they can be applied to the data you are facing. By the end of the book you will hold a new and powerful toolbox of instruments, exactly knowing when and how to employ each of them to solve your data mining problems and get the most out of your data.Finally, to let you maximize the exposure to the concepts described and the learning process, the book comes packed with a reproducible bundle of commented R scripts and a practical set of data mining models cheat sheets.Style and approachThis book takes a practical, step-by-step approach to explain the concepts of data mining. Practical use-cases involving real-world datasets are used throughout the book to clearly explain theoretical concepts.