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
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: 1 نویسندگان: Jared P. Lander سری: Addison-Wesley Data & Analytics Series ISBN (شابک) : 0321888030, 9780321888037 ناشر: Addison-Wesley Professional سال نشر: 2013 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 18 مگابایت
کلمات کلیدی مربوط به کتاب R برای همه: تجزیه و تحلیل پیشرفته و گرافیک: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب R for Everyone: Advanced Analytics and Graphics 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 R برای همه: تجزیه و تحلیل پیشرفته و گرافیک 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.
با استفاده از زبان منبع باز R، می توانید مدل های آماری
قدرتمندی بسازید تا به بسیاری از چالش برانگیزترین سوالات خود
پاسخ دهید. یادگیری R به طور سنتی برای غیر آمارگیران دشوار بوده
است، و اکثر کتاب های R دانش بسیار زیادی را برای کمک به آنها فرض
می کنند. R for Everyone راه حل است.
جرد پی. لندر، دانشمند داده حرفه ای، با تکیه بر تجربه بی نظیر
خود در آموزش به کاربران جدید، آموزش عالی را برای هر کسی که تازه
به برنامه نویسی آماری و مدل سازی می پردازد، نوشته است. این
راهنما که برای یادگیری آسان و شهودی سازماندهی شده است، بر روی
20 درصد از عملکرد R که برای انجام 80 درصد از وظایف داده مدرن به
آن نیاز دارید، تمرکز می کند.
فصل های مستقل لندر با اصول اولیه شروع می شوند و عملی گسترده را
ارائه می دهند. تمرین و کد نمونه R navigate را دانلود و نصب
میکنید و از کنترل اصلی برنامه اصلی محیط R، وارد کردن دادهها و
دستکاری استفاده میکنید و چندین آزمایش ضروری را طی میکنید.
سپس، با تکیه بر این پایه، چندین مدل کامل، خطی و غیرخطی،
میسازید و از تکنیکهای داده کاوی استفاده میکنید. شما برای
مقابله با مشکلات آماری که بیشتر به آنها اهمیت می دهید آماده
خواهید بود.
پوشش شامل
• کاوش در بسته های R، RStudio، و R
• استفاده از R برای ریاضیات: انواع متغیرها، بردارها، توابع
فراخوانی، و بیشتر
• بهره برداری از ساختارهای داده، از جمله data.frame ها، ماتریس
ها و لیست ها
• ایجاد گرافیک های آماری جذاب و بصری
• نوشتن توابع تعریف شده توسط کاربر
• کنترل جریان برنامه با if، ifelse، و بررسی های پیچیده
• بهبود کارایی برنامه با دستکاری های گروهی
• ترکیب و تغییر شکل مجموعه داده های متعدد
• دستکاری رشته ها با استفاده از امکانات R و عبارات منظم
• ایجاد توزیع های احتمالی نرمال، دو جمله ای و پواسون
• آمار پایه برنامه نویسی: میانگین، انحراف استاندارد و آزمون
t
• ساخت خطی مدل های خطی تعمیم یافته و غیرخطی
• ارزیابی کیفیت مدل ها و انتخاب متغیر
• جلوگیری از برازش بیش از حد، با استفاده از روش شبکه الاستیک و
بیزی
• تجزیه و تحلیل داده های سری زمانی تک متغیره و چند متغیره
• گروه بندی داده ها از طریق K-means و خوشه بندی سلسله
مراتبی
• تهیه گزارش، نمایش اسلاید، و صفحات وب با knitr
• ساخت بسته های R قابل استفاده مجدد با ابزارهای توسعه و
Rcpp
• مشارکت با جامعه جهانی R
Using the open source R language, you can build powerful
statistical models to answer many of your most challenging
questions. R has traditionally been difficult for
non-statisticians to learn, and most R books assume far too
much knowledge to be of help. R for Everyone is the
solution.
Drawing on his unsurpassed experience teaching new users,
professional data scientist Jared P. Lander has written the
perfect tutorial for anyone new to statistical programming and
modeling. Organized to make learning easy and intuitive, this
guide focuses on the 20 percent of R functionality you’ll need
to accomplish 80 percent of modern data tasks.
Lander’s self-contained chapters start with the absolute
basics, offering extensive hands-on practice and sample code.
You’ll download and install R navigate and use the R
environment master basic program control, data import, and
manipulation and walk through several essential tests. Then,
building on this foundation, you’ll construct several complete
models, both linear and nonlinear, and use some data mining
techniques.
By the time you’re done, you won’t just know how to write R
programs, you’ll be ready to tackle the statistical problems
you care about most.
COVERAGE INCLUDES
• Exploring R, RStudio, and R packages
• Using R for math: variable types, vectors, calling functions,
and more
• Exploiting data structures, including data.frames, matrices,
and lists
• Creating attractive, intuitive statistical graphics
• Writing user-defined functions
• Controlling program flow with if, ifelse, and complex
checks
• Improving program efficiency with group manipulations
• Combining and reshaping multiple datasets
• Manipulating strings using R’s facilities and regular
expressions
• Creating normal, binomial, and Poisson probability
distributions
• Programming basic statistics: mean, standard deviation, and
t-tests
• Building linear, generalized linear, and nonlinear
models
• Assessing the quality of models and variable selection
• Preventing overfitting, using the Elastic Net and Bayesian
methods
• Analyzing univariate and multivariate time series data
• Grouping data via K-means and hierarchical clustering
• Preparing reports, slideshows, and web pages with knitr
• Building reusable R packages with devtools and Rcpp
• Getting involved with the R global community