کتاب داده کاوی کاربردی با R نوشته محمد مرادی

موجود است

کتاب داده کاوی کاربردی با R نوشته محمد مرادی

نویسنده:محمد مرادی، مجید جوادی، سهیلا مهرمولایی

ناشر:انتشارات کیان

سال انتشار:۱۳۹۶

نوبت چاپ:اول

تعداد صفحات:۳۶۷

شابک:۹۷۸۶۰۰۳۰۷۱۶۸۱

زبان:فارسی

۱۵۳,۰۰۰ تـــــومان

افزودن به سبد خرید

معرفی کتاب

در حالی که بیش از دو دهه از مطرح شدن اصول و مفاهیم داده کاوی می گذرد، به جرات می توان گفت که اکنون در دوران شکوفایی و اوج کاربردهای آن هستیم. در واقع، در سال های اخیر و در رو به رویی با حجم بسیار زیادی از داده ها در حوزه های مختلف کاری، استفاده از داده کاوی به عنوان یکی از الزامات فرایندهای علمی، پژوهشی و تجاری مطرح شده است. بر این اساس، به ندرت می توان فرایندها و پروژه های مختلف پژوهشی و تجاری را یافت که از مزیت های پرشمار داده کاوی بهره ای نجسته باشند. در پی این اقبال عمومی به استفاده از روش های داده کاوی، یکی از مسائل و چالش های مهم، البته از دیدگاه فنی و کارشناسان علوم رایانه، چگونگی پیاده سازی الگوریتم ها و روش های داده کاوی و اعمال آن ها بر مجموعه های داده ای بوده و می باشد. اگرچه بسیاری از زبان های برنامه نویسی و سیستم های بانک های اطلاعاتی، امکانات و تسهیلاتی را برای انجام فرایندهای داده کاوی فراهم می کند، اما به کارگیری ابزارهای اختصاصی که به صورت قابل قبولی از گام های مختلف فرایند داده کاوی پشتیبانی کند، یکی از خواسته های منطقی جامعه کاربری می باشد. بر همین اساس، ابزارها و زبان های برنامه نویسی متعددی معرفی شده اند، ولی آنچه در طی سال های اخیر توجهات را به صورت گسترده ای به خود جلب کرده است، زبان R می باشد. آنچه این زبان برنامه نویسی را از سایر رقبایش متمایز می سازد، قابلیت های تعبیه شده در آن به عنوان زبانی برای انجام محاسبات و تحلیل های آماری است.

از این رو، می توان این زبان برنامه نویسی را یک ابزار ایده آل برای انجام فرایندهای تحلیل داده و به صورت مشخص داده کاوی دانست. شاهد این ادعا نیز آمارهای منتشر شده از سوی منابع معتبر است که میزان اقبال بالای متخصصان به این زبان را تایید می کند. با توجه به ویژگی ها و اهمیت این زبان، در این کتاب بر آن شدیم که مروری کلی بر چگونگی انجام فرایندهای تعامل با داده با استفاده از R داشته باشیم و دریچه ای نو بر روی کارشناسان و پژوهشگران عرصه تحلیل داده بگشاییم. در واقع هدف اصلی کتاب حاضر این است که قابلیت هایی بیشتر و انعطاف پذیرتر از ابزارها و بسته های نرم افزاری مربوط به داده کاوی که استفاده از آن ها در میان دانشجویان و پژوهشگران رایج است را به مخاطبان ارایه کند و این مهم از طریق یادگیری زبان R و افزونه های مربوط به آن محقق می شود. البته لازم به ذکر است که بررسی تمامی جوانب و نکات مربوط به استفاده از این زبان برای داده کاوی، احتیاج به چندین جلد کتاب دارد؛ از این رو در این کتاب تلاش بر این بوده است که بتوانیم ضمن پرداختن به مباحث متنوع و در عین حال مهم، امکان فراگیری ساده و به دور از پیچیدگی را نیز فراهم آوریم. اگرچه پیش نیاز بهره برداری کامل از این کتاب، آشنایی اولیه با مفاهیم زبان R و نیز اصول داده کاوی می باشد، اما به منظور تسهیل فرایند آموزش، مقدمه ای بر مفاهیم ذکر شده در دو فصل ابتدایی ارایه شده است.

سفارش انجام پروژه با R

پروژه های محاسبات آماری ، حسابداری ، آمار و احتمالات کاربردی ، آمار و مدل سازی ، آمار و احتمالات مهندسی ، تحلیل آماری ، مهندسی پزشکی ، علوم پایه ، رشته های فنی ، بیوفیزیک (زیست فیزیک) ، بیوانفورماتیک یا زیست ‌شناسی (بیولوژی) با نرم افزار R و R Studio پذیرفته می شود – جهت سفارش پروژه R با ایمیل و شماره تماس های اعلام شده در سایت با ما در ارتباط باشید.

فهرست مطالب کتاب داده کاوی کاربردی با R

فصل اول: مقدمه ای بر زبان R

• معرفی R
• نصب و راه اندازی
• کنسول R
• متغیرها
• توابع
• اشیا
• بردارها
• برداری سازی
• فاکتورها
• ایجاد دنباله ها
• Sub-Setting
• ماتریس ها و آرایه ها
• لیست ها (فهرست ها)
• قاب های داده ای
• خواندن داده ها

فصل دوم: مفاهیم اولیه داده کاوی

• انگیزه های استفاده از داده کاوی
• مقدمه ای بر داده کاوی
• داده کاوی از چند دیدگاه مختلف
• محدودیت های داده کاوی

فصل سوم: شروع کار با Rattle و داده ها

• نصب Rattle
• کار با داده ها
• تعامل با داده ها با استفاده از R

فصل چهارم: بارگذاری داده ها

• داده های CSV
• داده های ARFF
• داده های ی با منبع ODBC
• منابع داده ای دیگر ، مجموعه های داده ای در R
• RData
• کتابخانه
• گزینه های مشترک

فصل پنجم: پویش داده ها

• خلاصه سازی داده
• بازنمایی بصری توزیع ها
• تحلیل همبستگی

فصل ششم: گرافیک های تعاملی

• بسته Latticist
• بسته GGobi

فصل هفتم: تبدیل و انتقال داده ها

• مسایل مربوط به داده ها
• تبدیل (انتقال) داده ها
• مقیاس دهی مجدد داده ها
• Imputation
• Recoding
• پاک سازی

فصل هشتم: خوشه بندی داده ها

• بازنمایی دانش
• جستوجوی اکتشافی
• معیارها
• مثال
• نکات پایانی

فصل نهم: کاوش قواعد انجمنی

• بازنمایی دانش
• جستوجوی اکتشافی
• معیارها
• مثال
• ایجاد مدل با استفاده از R

فصل دهم: طبقه بندی داده ها با ماشین بردار پشتیبان

• بازنمایی دانش
• الگوریتم
• مثال
• مدل سازی با استفاده از R
• پارامترهای تنظیم

فصل یازدهم: استقرار

• استقرار در زبان برنامه نویسی R
• تبدیل به PMML

فصل دوازدهم: تحلیل و کاوش شبکه های اجتماعی

• فرایند کلی کاوش شبکه های اجتماعی
• کاوش نظرات و بررسی الگوها در توییتر
• تحلیل نظرات

فصل سیزدهم: تحلیل و پیشگویی شاخص های قیمت منزل مسکونی

• واردکردن داده های HPI
• پویش داده های HPI
• مولفه های فصلی و روندی مربوط به HPI
• پیش بینی (وضعیت آینده) HPI
• قیمت تخمین زده شده یک ملک

فصل چهاردهم: پیش بینی پاسخ مشتری و بهینه سازی سود

• داده های رقابت KDD Cup 1998
• پویش داده ها
• ارزیابی مدل
• انتخاب بهترین درخت
• نمره دهی (امتیازدهی)

فصل پانزدهم: مدل سازی پیشگویانه داده های بزرگ با حافظه محدود

• مقدمه
• شیوه انجام فرایند
• متغیرها و داده ها
• الگوریتم جنگل تصادفی
• مسئله حافظه
• یادگیری مدل ها بر روی داده های نمونه
• ایجاد مدل با متغیر های انتخابی
• نمره دهی
• چاپ قواعد به دست آمده
• پیوست ۱: آشنایی با RStudio
• پیوست ۲: اتصال R به محیط MS SQL Server
• منابع