Официальный подлинный языковой язык и анализ данных. Лучшая практика и классический случай Янчанг Чжао серия компьютерных наук черная книга 9787111475415 машинная индустрия издательство
Цена: 600руб. (¥33.32)
Артикул: 561010372701
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:鑫达图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥35.8644руб.
¥33594руб.
¥3626 484руб.
¥1492 680руб.
| Основная информация | |
| наименование товара: | R языка и добыча данных. Лучшая практика и классические случаи |
| Автор: | Yanchang Zhao |
| Рыночная цена: | 49.00 |
| Номер ISBN: | 9787111475415 |
| Версия: | 1-1 |
| Дата публикации: | 2014-09 |
| Количество страниц: | 0 |
| Слова: | 0 |
| Издательство: | Machinery Industry Press |
| Оглавление | |
| Оглавление R и интеллектуальный анализ данных: примеры и тематические исследования Издатель Переводчик Сокращение Глава 1 Введение 1 1.1 Mining 1 1.2 R1 1.3 Набор данных 2 1.3.1 Набор данных Iris 2 1.3.2 Набор данных тела 3 Глава 2 Импорт и экспорт данных 4 2.1 R Сохранение и загрузка данных 4 2.2 .csv Файл Введение и экспорт 4 2.3 Руководные данные от SAS 5 2.4 Данные импорта и экспорта через ODBC 6 2.4.1. Считайте данные из базы данных 7 2.4.2 Данные импорта и экспорта из файла Excel 7 Глава 3 Изучение данных 8 3.1 Просмотреть данные 8 3.2 Исследуйте одну переменную 10 3.3 Исследуйте несколько переменных 12 3.4 Больше разведки 15 3.5 Сохраните диаграмму в файле 19 Глава 4 Дерево решений и случайный лес 21 4.1 Используйте партийный пакет, чтобы построить дерево решений 21 4.2 Используйте пакет RPART, чтобы построить дерево решений 24 4.3 Случайный лес 29 Глава 5 Анализ правления 33 5.1 Линейный возврат 33 5.2 Logic return 38 5.3 ЛИНАЛЬНАЯ РЕГРАЦИЯ 38 5.4 Нелинейная регрессия 40 Глава 6 кластер 41 6.1 K-Means Cluster 41 6,2 K-межседоидов кластер 43 6,3 уровня кластера 45 6.4 Cluster 46 на основе плотности 46 Глава 7 Обнаружение групповой точки 50 7.1 Обнаружение точки вылета. 7.2 Обнаружение местных групповых факторов 53 7.3 Используйте метод кластеризации для обнаружения групповых точек 56 7.4 Обнаружение точек расстояния данных о временной последовательности 58 7.5 Обсуждение 59 Глава 8 Анализ временных последовательности и Domit 60 8.1 Данные о последовательности времени 60 8.2 Временная последовательность разложения 60 8.3 Прогнозирование временных рядов 62 8.4 Временная последовательность класса 63 8.4.1 Динамическое время регулярно 63 8.4.2 Данные временной последовательности синтетической контрольной диаграммы 64 8.4.3 Слоистый кластер 65 на основе расстояния между расстоянием 65 Оши 65 8.4.4 -Level Cluster 66 на основе DTW Distance 66 8.5 Классификация временных рядов 67 8.5.1 Классификация на основе исходных данных 67 8.5.2 Классификация на основе функций 68 8.5.3 Классификация K-NN 69 8.6 Обсуждение 70 8.7 Расширенное чтение 70 Глава 9 Правила ассоциации 71 9.1 Основная концепция Ассоциации Правила 71 9.2 Набор данных Titanic 71 9.3 Ассоциация Правила раскопки 73 9.4 Устранение избыточного 78 9.5 Правила объяснения 79 9.6 Визуализация правил ассоциации 80 9.7 Обсуждение и чтение 82 ГЛАВА 10 ТЕКСТЕР EXTURE 84 10.1 Поиск текста Twitter 84 10.2 Текст преобразования 85 10.3 Утилизация сухой 86 10.4 Создание матрицы слов-документов 88 10.5 Частые слова и ассоциация 90 10.6 CI Yun 91 10.7 Слово -кластер 92 10.8 Twita Cluster 94 10.8.1 твиты, основанные на алгоритме K-средних. 10.8.2 Толкает на основе алгоритма K-Medoids 96 10.9 Программный пакет, чтение и обсуждение расширения 98 Глава 11 Анализ социальной сети 99 11.1 Word Network 99 11.2 Duwen Network 102 11.3 сеть двойного режима 107 11.4 Обсуждение и чтение 110 Глава 12 Случай ⅰ: Анализ и прогноз индекса цен на жилье 111 12.1HPI Импорт данных 111 12.2HPI Исследование данных 112 12.3HPI Тенденция и сезонные ингредиенты 118 12.4HPI прогноз 120 12.5 Оценка недвижимости 122 12.6 Обсуждение 122 Глава 13 Случай II: Максимизируйте прогноз и преимущества возрождения клиента 123 13.1 Введение 123 13.2KDD Cup 1998 Данные 123 13.3 Исследование данных 131 13.4 Дерево решений обучения 137 13.5 Оценка модели 140 13.6 Выберите лучшее дерево решений 143 13,7 Оценка 145 13.8 Обсуждение и резюме 148 Глава 14 Случай III: модель прогноза больших данных с ограниченной памятью 150 14.1 Введение 150 14.2 Метод исследования 150 14.3 Данные и переменная 151 14.4 Случайный лес 152 14.5 Проблема с памятью 153 14.6 Обучающая модель образца данных 154 14.7 Используйте выбранные переменные для создания модели 156 14,8 Оценка 162 14.9 Правила вывода 168 14.9.1 Правила вывода в формате текста 168 14.9.2 Выходные правила SAS Оценка 172 14.10 Резюме и обсуждение 177 Глава 15 онлайн -ресурсы 178 15.1r Справочный документ 178 15.2R178 15.3 Maning 179 15.4R Maning 180 15.5R Классификация и прогноз 181 15,6R Анализ временных рядов 181 Правила Ассоциации 15.7R выкопают 181 15.8r Анализ пространственных данных 181 15.9r Текст добыча 182 15.10r Анализ социальной сети 182 15.11r Очистка и преобразование данных 182 15.12R Большие данные и параллельный расчет 182 R Языковые данные Справочный документ 184 Справочные материалы 197 Универсальный индекс 201 Индекс сумки 203 Индекс функции 204 |
| краткое введение | |
| В этой книге представлены практические методы и технологии для исследователей, студентов колледжа и аналитиков данных для использования R -языка для приложений для интеллектуального анализа данных.Читатели найдут из этой книги для выполнения задачи интеллектуального анализа данных с использованием языка R (например, классификация и прогноз, кластеризация, изолированное тестирование точек, связанные правила, анализ последовательностей, анализ текста, анализ социальных сетей, эмоциональный анализ и т. Д.)Технология интеллектуального анализа данных быстро развивалась в широком спектре областей.Эта книга посвящена этапе моделирования процесса интеллектуального анализа данных, а также на проблеме исследования данных и оценки модели.Эта книга рассказывает о простых и практичных, оснащенных практическими приложениями и примерами кода, а данные. |