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: Зарова Елена Викторовна
سری:
ناشر: НИЦ ИНФРА-М
سال نشر: 2021
تعداد صفحات: [232]
زبان: Russian
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 56 Mb
در صورت تبدیل فایل کتاب Методы Data mining в обработке и анализе статистических данных (решения в 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 روش های داده کاوی در پردازش و تحلیل داده های آماری (راه حل ها در 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.
این مونوگراف به تشریح مبانی نظری استفاده از روش های داده کاوی (داده کاوی) برای حل مشکلات عملی پردازش و تجزیه و تحلیل اطلاعات آماری می پردازد. الگوریتمها و دستورات R در نظر گرفته شدهاند که کارایی فرآیند آماری را در مراحل کار با دادههای از دست رفته و نقاط پرت آماری، محاسبه پیچیده شاخصهای آمار توصیفی و همچنین با یکپارچهسازی آرایههای ریز دادههای مشاهدات آماری مختلف، شناسایی ساختارها و سیستمهای پنهان را فراهم میکنند. روابط در آرایه های داده با استفاده از روش های \"تصادفی\" جنگل\" و تجزیه و تحلیل دو خوشه ای. آزمایش ارائه شده از روش های ارائه شده بر اساس داده های واقعی از آمار رسمی، اهمیت کاربردی تک نگاری را تعیین می کند.\r\nمواد روششناختی و دستورات محیط نرمافزار R برای استفاده در سازمانهای آمار دولتی و سایر ساختارهای درگیر در پردازش مقادیر زیادی داده توصیه میشود. این مونوگراف همچنین برای متخصصان و دانشجویانی که بر اصول و روش های علم داده تسلط دارند مفید خواهد بود.
В монографии изложены теоретические основы применения методов Data mining (интеллектуального анализа данных) для решения практических задач обработки и анализа статистической информации. Рассмотрены алгоритмы и команды R, обеспечивающие повышение эффективности статистического процесса на этапах работы с пропущенными данными и статистическими выбросами, комплексного расчета показателей описательной статистики, а также за счет интегрирования массивов микроданных различных статистических наблюдений, выявления скрытых структур и системных взаимосвязей в массивах данных методами «случайный лес» и бикластерного анализа. Представленная апробация изложенных методов на основе реальных данных официальной статистики определяет прикладную значимость монографии. Представленные методический материал и команды программной среды R рекомендуются для применения как в органах государственной статистики, так и в других структурах, занимающихся обработкой больших массивов данных. Монография также будет полезна специалистам и студентам, овладевающим принципами и методами науки о данных (Data science).