R for Data Science Cookbook

بیش از 100 دستور العمل عملی برای حل موثر مشکلات داده های دنیای واقعی با استفاده از محبوب ترین بسته ها و تکنیک های R

درباره این کتاب

درباره این کتاب</ b>

• درباره چگونگی جمع‌آوری، پردازش، تجزیه و تحلیل و تجسم داده‌ها توسط دانشمندان داده با استفاده از برخی از محبوب‌ترین بسته‌های R
• درک نحوه استفاده از تکنیک‌های مفید تجزیه و تحلیل داده‌ها در R برای برنامه های کاربردی در دنیای واقعی
• راهنمای ساده برای آسان کردن زندگی دانشمند داده با مشکلاتی که هنگام انجام تجزیه و تحلیل داده ها با آن مواجه می شوند

این کتاب برای چه کسی است

این کتاب برای کسانی است که از قبل با عملکرد اصلی R آشنا هستند، اما می خواهند یاد بگیرند که چگونه به طور کارآمد و مؤثر مشکلات داده های دنیای واقعی را با استفاده از عملی تجزیه و تحلیل کنند. بسته های R.

آنچه یاد خواهید گرفت

• با ویژگی های کاربردی زبان R آشنا شوید
• استخراج، تبدیل و داده ها را از منابع ناهمگن بارگیری کنید
• درک کنید که R چگونه به راحتی می تواند با مشکلات احتمالات و آمار مواجه شود
• دستورالعمل های ساده R را برای سازماندهی و دستکاری سریع مجموعه داده های بزرگ دریافت کنید
• ایجاد کنید تجسم داده های حرفه ای و گزارش های تعاملی
• پیش بینی رفتار خرید کاربر با اتخاذ رویکرد طبقه بندی
• اجرای تکنیک های داده کاوی برای کشف مواردی که اغلب با هم خریداری می شوند
• گروه بندی مشابه اسناد متنی با استفاده از روش های مختلف خوشه بندی

در جزئیات

این کتاب آشپزی طیف وسیعی از نمونه های تجزیه و تحلیل داده ها را در کد R ساده و سرراست ارائه می دهد. ارائه منابع گام به گام و روش های صرفه جویی در زمان برای کمک به حل موثر مشکلات داده ها.

بخش اول به نحوه ایجاد توابع R برای جلوگیری از تکرار غیر ضروری کد می پردازد. شما یاد خواهید گرفت که چگونه ETL پیچیده را برای منابع داده ناهمگن با بسته های R آماده، پردازش و انجام دهید. نمونه ای از دستکاری داده ها ارائه شده است که نحوه استفاده از بسته های \"dplyr\" و \"data.table\" را برای پردازش موثر ساختارهای داده بزرگتر نشان می دهد. ما همچنین بر روی \"ggplot2\" تمرکز کرده‌ایم و به شما نشان می‌دهیم که چگونه ارقام پیشرفته برای کاوش داده ایجاد کنید.

علاوه بر این، نحوه ایجاد یک گزارش تعاملی با استفاده از بسته \"ggvis\" را خواهید آموخت. فصل‌های بعدی بینشی در مورد تجزیه و تحلیل سری‌های زمانی در مورد داده‌های مالی ارائه می‌دهند، در حالی که اطلاعات دقیقی در مورد موضوع داغ یادگیری ماشین، از جمله طبقه‌بندی داده‌ها، رگرسیون، خوشه‌بندی، استخراج قوانین انجمنی و کاهش ابعاد وجود دارد.

توسط در پایان این کتاب، نحوه حل مسائل را خواهید فهمید و می توانید به راحتی راه حل هایی را برای مشکلاتی که در هنگام تجزیه و تحلیل داده ها با آن مواجه می شوید، ارائه دهید.

سبک و رویکرد

در حال بارگیری کد نمونه برای این کتاب. می‌توانید فایل‌های کد نمونه را برای همه کتاب‌های Packt که از حساب خود در http://www.PacktPub.com خریداری کرده‌اید دانلود کنید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید از http://www.PacktPub.com/support دیدن کنید و برای داشتن فایل کد ثبت نام کنید.

Over 100 hands-on recipes to effectively solve real-world data problems using the most popular R packages and techniques

About This Book

• Gain insight into how data scientists collect, process, analyze, and visualize data using some of the most popular R packages
• Understand how to apply useful data analysis techniques in R for real-world applications
• An easy-to-follow guide to make the life of data scientist easier with the problems faced while performing data analysis

Who This Book Is For

This book is for those who are already familiar with the basic operation of R, but want to learn how to efficiently and effectively analyze real-world data problems using practical R packages.

What You Will Learn

• Get to know the functional characteristics of R language
• Extract, transform, and load data from heterogeneous sources
• Understand how easily R can confront probability and statistics problems
• Get simple R instructions to quickly organize and manipulate large datasets
• Create professional data visualizations and interactive reports
• Predict user purchase behavior by adopting a classification approach
• Implement data mining techniques to discover items that are frequently purchased together
• Group similar text documents by using various clustering methods

In Detail

This cookbook offers a range of data analysis samples in simple and straightforward R code, providing step-by-step resources and time-saving methods to help you solve data problems efficiently.

The first section deals with how to create R functions to avoid the unnecessary duplication of code. You will learn how to prepare, process, and perform sophisticated ETL for heterogeneous data sources with R packages. An example of data manipulation is provided, illustrating how to use the “dplyr” and “data.table” packages to efficiently process larger data structures. We also focus on “ggplot2” and show you how to create advanced figures for data exploration.

In addition, you will learn how to build an interactive report using the “ggvis” package. Later chapters offer insight into time series analysis on financial data, while there is detailed information on the hot topic of machine learning, including data classification, regression, clustering, association rule mining, and dimension reduction.

By the end of this book, you will understand how to resolve issues and will be able to comfortably offer solutions to problems encountered while performing data analysis.

Style and approach

This easy-to-follow guide is full of hands-on examples of data analysis with R. Each topic is fully explained beginning with the core concept, followed by step-by-step practical examples, and concluding with detailed explanations of each concept used.

Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the code file.