ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Unsupervised Learning with R

دانلود کتاب یادگیری بدون نظارت با R

Unsupervised Learning with R

مشخصات کتاب

Unsupervised Learning with R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1785887092, 9781785887093 
ناشر: Packt Publishing 
سال نشر: 2015 
تعداد صفحات: 265 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 58,000



کلمات کلیدی مربوط به کتاب یادگیری بدون نظارت با R: کتابخانه، ادبیات کامپیوتر، ر



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 19


در صورت تبدیل فایل کتاب Unsupervised Learning with R 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 یادگیری بدون نظارت با R 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.


توضیحاتی در مورد کتاب یادگیری بدون نظارت با R



با بیش از 40 بسته کار کنید تا از مجموعه داده های پیچیده نتیجه بگیرید و الگوهای پنهان را در داده های بدون ساختار خام بیابید

درباره این کتاب

  • باز کردن قفل و نحوه برخورد با خوشه های داده خام را از طریق مثال های عملی در R
  • کاوش در داده های خود و ایجاد مدل های خود از ابتدا پیدا کنید
  • جنبه های اصلی یادگیری بدون نظارت را با این جامع و کاربردی تجزیه و تحلیل کنید. راهنمای گام به گام

این کتاب برای چه کسی است

این کتاب برای متخصصانی در نظر گرفته شده است که علاقه مند به تجزیه و تحلیل داده ها با استفاده از تکنیک های یادگیری بدون نظارت و همچنین داده ها هستند. تحلیلگران، آماردانان و دانشمندان داده که به دنبال یادگیری استفاده از R برای به کارگیری تکنیک های داده کاوی هستند. دانش R، یادگیری ماشین، و ریاضیات می تواند کمک کند، اما الزامی جدی نیست.

آنچه یاد خواهید گرفت

  • داده های خود را در R بارگیری، دستکاری و کاوش کنید. با استفاده از تکنیک‌هایی برای تجزیه و تحلیل داده‌های اکتشافی مانند خلاصه‌سازی، دستکاری، همبستگی و تجسم داده‌ها
  • داده‌های خود را با استفاده از رویکردهایی مانند مقیاس‌بندی، تمرکز مجدد، مقیاس [0-1]، میانه/MAD، طبیعی تغییر دهید. ثبت و تفسیر داده ها
  • ساخت و تفسیر مدل های خوشه بندی با استفاده از الگوریتم های K-Means در R
  • ساخت و تفسیر مدل های خوشه بندی توسط الگوریتم های خوشه بندی سلسله مراتبی در R
  • درک و تکنیک‌های کاهش ابعاد را بکار ببرید
  • مدل‌های قوانین تداعی یادگیری مانند الگوریتم‌های توصیه را ایجاد و استفاده کنید
  • از تکنیک‌های انتخاب ویژگی استفاده کنید و در مورد آن‌ها بیاموزید
  • نصب و استفاده کنید ابزارهای کاربر نهایی به عنوان جایگزینی برای برنامه نویسی مستقیماً در کنسول R

در جزئیات

پروژه R برای محاسبات آماری یک پلت فرم عالی برای مقابله با پردازش داده ها و داده ها فراهم می کند. دستکاری، مدل سازی و ارائه. قابلیت‌های این زبان، آزادی استفاده از آن و جامعه بسیار فعال کاربران، R را به یکی از بهترین ابزارها برای یادگیری و پیاده‌سازی یادگیری بدون نظارت تبدیل کرده است.

اگر در R تازه کار هستید یا می‌خواهید در مورد آن اطلاعات کسب کنید. یادگیری بدون نظارت، این کتاب برای شماست. این کتاب مملو از اطلاعات مهم، شما را از طریق توضیح مفهومی و مثال‌های عملی که مستقیماً در کنسول R برنامه‌ریزی شده است، راهنمایی می‌کند.

از ابتدا، این کتاب شما را با یادگیری بدون نظارت آشنا می‌کند و مقدمه‌ای در سطح بالا ارائه می‌کند. به موضوع ما به سرعت به بحث در مورد کاربرد مفاهیم و تکنیک های کلیدی برای تجزیه و تحلیل داده های اکتشافی می پردازیم. سپس این کتاب به شما می آموزد که گروه ها را با کمک روش های خوشه بندی یا ایجاد قوانین تداعی شناسایی کنید. در نهایت، جایگزین‌هایی برای درمان مجموعه داده‌های با ابعاد بالا و همچنین استفاده از تکنیک‌های کاهش ابعاد و تکنیک‌های انتخاب ویژگی ارائه می‌کند.

در پایان این کتاب، می‌توانید یادگیری بدون نظارت و انواع مختلف را پیاده‌سازی کنید. رویکردهای مرتبط با آن در پروژه های دنیای واقعی.

سبک و رویکرد

این کتاب رویکردی گام به گام به مفاهیم و ابزارهای یادگیری بدون نظارت دارد که به صورت مکالمه و آسان توضیح داده شده است. -سبک دنبال کردن هر مبحث به صورت متوالی توضیح داده می‌شود، تئوری را توضیح می‌دهد و سپس با استفاده از بسته‌های تخصصی R برای هر موضوع، آن را در عمل به کار می‌گیرد.


توضیحاتی درمورد کتاب به خارجی

Work with over 40 packages to draw inferences from complex datasets and find hidden patterns in raw unstructured data

About This Book

  • Unlock and discover how to tackle clusters of raw data through practical examples in R
  • Explore your data and create your own models from scratch
  • Analyze the main aspects of unsupervised learning with this comprehensive, practical step-by-step guide

Who This Book Is For

This book is intended for professionals who are interested in data analysis using unsupervised learning techniques, as well as data analysts, statisticians, and data scientists seeking to learn to use R to apply data mining techniques. Knowledge of R, machine learning, and mathematics would help, but are not a strict requirement.

What You Will Learn

  • Load, manipulate, and explore your data in R using techniques for exploratory data analysis such as summarization, manipulation, correlation, and data visualization
  • Transform your data by using approaches such as scaling, re-centering, scale [0-1], median/MAD, natural log, and imputation data
  • Build and interpret clustering models using K-Means algorithms in R
  • Build and interpret clustering models by Hierarchical Clustering Algorithm’s in R
  • Understand and apply dimensionality reduction techniques
  • Create and use learning association rules models, such as recommendation algorithms
  • Use and learn about the techniques of feature selection
  • Install and use end-user tools as an alternative to programming directly in the R console

In Detail

The R Project for Statistical Computing provides an excellent platform to tackle data processing, data manipulation, modeling, and presentation. The capabilities of this language, its freedom of use, and a very active community of users makes R one of the best tools to learn and implement unsupervised learning.

If you are new to R or want to learn about unsupervised learning, this book is for you. Packed with critical information, this book will guide you through a conceptual explanation and practical examples programmed directly into the R console.

Starting from the beginning, this book introduces you to unsupervised learning and provides a high-level introduction to the topic. We quickly move on to discuss the application of key concepts and techniques for exploratory data analysis. The book then teaches you to identify groups with the help of clustering methods or building association rules. Finally, it provides alternatives for the treatment of high-dimensional datasets, as well as using dimensionality reduction techniques and feature selection techniques.

By the end of this book, you will be able to implement unsupervised learning and various approaches associated with it in real-world projects.

Style and approach

This book takes a step-by-step approach to unsupervised learning concepts and tools, explained in a conversational and easy-to-follow style. Each topic is explained sequentially, explaining the theory and then putting it into practice by using specialized R packages for each topic.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی