توضیحات
Cover — Copyright — Credits — About the Author — Acknowledgments — About the Reviewers — www.PacktPub.com — Preface — Chapter 1: Gearing Up for Predictive Modeling — Models — Learning from data — The core components of a model — Our first model: k-nearest neighbors — Types of models — Supervised, unsupervised, semi-supervised, and reinforcement learning models — Parametric and nonparametric models — Regression and classification models — Real time and batch machine learning models — The process of predictive modeling — Defining the model’s objective — Collecting the data — Picking a model — Pre-processing the data — Exploratory data analysis — Feature transformations — Encoding categorical features — Missing data — Outliers — Removing problematic features — Feature engineering and dimensionality reduction — Training and assessing the model — Repeating with different models and final model selection — Deploying the model — Performance metrics — Assessing regression models — Assessing classification models — Assessing binary classification models — Summary — Chapter 2 : Linear Regression — Linear regression — Assumptions of linear regression — Simple linear regression — Estimating the regression coefficients — Multiple linear regression — Predicting CPU performance — Predicting the price of used cars — Assessing linear regression models — Residual analysis — Significance tests for linear regression — Performance metrics for linear regression — Comparing different regression models — Test set performance — Problems with linear regression — Multicollinearity — Outliers — Feature selection — Regularization — Ridge regression — Least absolute shrinkage and selection operator (lasso) — Implementing regularization in R — Summary — Chapter 3 : Logistic Regression.;This book is intended for the budding data scientist, predictive modeler, or quantitative analyst with only a basic exposure to R and statistics. It is also designed to be a reference for experienced professionals wanting to brush up on the details of a particular type of predictive model. Mastering Predictive Analytics with R assumes familiarity with only the fundamentals of R, such as the main data types, simple functions, and how to move data around. No prior experience with machine learning or predictive modeling is assumed, however you should have a basic understanding of statistics and calculus at a high school level.
————————————————————–
ترجمه ماشینی :
پوشش -حق چاپ -اعتبار -درباره نویسنده -تأییدیه ها -درباره داوران -www.packtpub.com -مقدمه -فصل 1: استفاده از مدل سازی پیش بینی -مدل ها -یادگیری از داده ها – مؤلفه های اصلی یک مدل-اولین مدل ما: همسایگان K-Nearest-انواع مدل ها-مدل های تحت نظارت ، بدون نظارت ، نیمه نظارت و تقویت کننده-مدل های پارامتری و غیر پارامتری-مدل های رگرسیون و طبقه بندی-واقعی مدل های یادگیری ماشین زمان و دسته ای-فرایند مدل سازی پیش بینی-تعریف هدف مدل-جمع آوری داده ها-انتخاب یک مدل-پیش پردازش داده ها-تجزیه و تحلیل داده های اکتشافی-تحولات ویژگی-رمزگذاری ویژگی های طبقه بندی – داده های گمشده- Outliers- حذف ویژگی های مشکل ساز- مهندسی ویژگی و کاهش ابعاد- آموزش و ارزیابی مدل- تکرار با مدل های مختلف و انتخاب مدل نهایی- استفاده از مدل- معیارهای عملکرد- ارزیابی مدل های رگرسیون – ارزیابی مدل های طبقه بندی- ارزیابی مدلهای طبقه بندی باینری- خلاصه- فصل 2: رگرسیون خطی- رگرسیون خطی- فرضیات رگرسیون خطی- رگرسیون خطی ساده- برآورد ضرایب رگرسیون- رگرسیون خطی چندگانه- پیش بینی عملکرد CPU – پیش بینی قیمت اتومبیل های استفاده شده – ارزیابی مدل های رگرسیون خطی – تجزیه و تحلیل باقیمانده – آزمون اهمیت برای رگرسیون خطی – معیارهای عملکرد برای رگرسیون خطی – مقایسه مدل های مختلف رگرسیون – عملکرد مجموعه آزمون – مشکلات مربوط به خطی رگرسیون – چند قطبی – Outliers – انتخاب ویژگی ها – تنظیم مجدد – رگرسیون ریج – کمترین انقباض مطلق و اپراتور انتخاب (LASSO) – اجرای منظم در R – خلاصه – فصل 3: رگرسیون لجستیک. ؛ این کتاب است در نظر گرفته شده برای دانشمند داده های جوانه زده ، مدل پیش بینی کننده یا تحلیلگر کمی با قرار گرفتن در معرض اساسی در R و آمار. همچنین به گونه ای طراحی شده است که مرجع متخصصان باتجربه ای باشد که می خواهند جزئیات نوع خاصی از مدل پیش بینی کننده را برطرف کنند. تسلط بر تجزیه و تحلیل پیش بینی کننده با R ، فقط با اصول R ، مانند انواع اصلی داده ها ، عملکردهای ساده و نحوه جابجایی داده ها ، آشنا می شود. هیچ تجربه قبلی با یادگیری ماشین یا مدل سازی پیش بینی فرض نشده است ، اما شما باید درک اساسی از آمار و حساب در سطح دبیرستان داشته باشید.
tag : دانلود کتاب تسلط بر تجزیه و تحلیل پیش بینی کننده با R: استاد کاردستی مدل سازی پیش بینی با تدوین استراتژی ، شهود و پایه و اساس محکم در مفاهیم اساسی , Download تسلط بر تجزیه و تحلیل پیش بینی کننده با R: استاد کاردستی مدل سازی پیش بینی با تدوین استراتژی ، شهود و پایه و اساس محکم در مفاهیم اساسی , دانلود تسلط بر تجزیه و تحلیل پیش بینی کننده با R: استاد کاردستی مدل سازی پیش بینی با تدوین استراتژی ، شهود و پایه و اساس محکم در مفاهیم اساسی , Download Mastering predictive analytics with R: master the craft of predictive modeling by developing strategy, intuition, and a solid foundation in essential concepts Book , تسلط بر تجزیه و تحلیل پیش بینی کننده با R: استاد کاردستی مدل سازی پیش بینی با تدوین استراتژی ، شهود و پایه و اساس محکم در مفاهیم اساسی دانلود , buy تسلط بر تجزیه و تحلیل پیش بینی کننده با R: استاد کاردستی مدل سازی پیش بینی با تدوین استراتژی ، شهود و پایه و اساس محکم در مفاهیم اساسی , خرید کتاب تسلط بر تجزیه و تحلیل پیش بینی کننده با R: استاد کاردستی مدل سازی پیش بینی با تدوین استراتژی ، شهود و پایه و اساس محکم در مفاهیم اساسی , دانلود کتاب Mastering predictive analytics with R: master the craft of predictive modeling by developing strategy, intuition, and a solid foundation in essential concepts , کتاب Mastering predictive analytics with R: master the craft of predictive modeling by developing strategy, intuition, and a solid foundation in essential concepts , دانلود Mastering predictive analytics with R: master the craft of predictive modeling by developing strategy, intuition, and a solid foundation in essential concepts , خرید Mastering predictive analytics with R: master the craft of predictive modeling by developing strategy, intuition, and a solid foundation in essential concepts , خرید کتاب Mastering predictive analytics with R: master the craft of predictive modeling by developing strategy, intuition, and a solid foundation in essential concepts ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.