Data mining and business analytics with R / Johannes Ledolter.

By: Ledolter, Johannes.
Material type: materialTypeLabelBookCall no.: CPSC QA 2013 620023Publication: Hoboken, N.J. : John Wiley & Sons, c2013Description: xi, 351 p. : ill. (some col.) ; 25 cm.ISBN: 9781118447147 (cloth); 111844714X (cloth).Subject(s): Data mining | R (Computer program language) | Commercial statistics
Contents:
Introduction -- Processing the information and getting to know your data -- Standard linear regression -- Local polynomial regression: a nonparametric regression approach -- Importance of parsimony in statistical modeling -- Penalty-based variable selection in regression models with many parameters (LASSO) -- Logistic regression -- Binary classification, probabilities, and evaluating classification performance -- Classification using a nearest neighbor analysis --The Naive Bayesian analysis: a model predicting a categorical response from mostly categorical predictor variables -- Multinomial logistic regression -- More on classification and a discussion on discriminant analysis -- Decision trees -- Further discussion on regression and classification trees, computer software, and other useful classification methods -- Clustering -- Market basket analysis: association rules and lift -- Dimension reduction: factor models and principal components -- Reducing the dimension in regressions with multicollinear inputs: principal components regression and partial least squares -- Text as data: text mining and sentiment analysis -- Network data -- Appendices: A. Exercises -- B. References.
แท็ก: ไม่มีแท็กจากห้องสมุดสำหรับชื่อเรื่องนี้ เข้าสู่ระบบเพื่อเพิ่มแท็ก
    การให้คะแนนโดยเฉลี่ย: 0.0 (0 คะแนนเสียง)
ประเภททรัพยากร ตำแหน่งปัจจุบัน กลุ่มข้อมูล เลขเรียกหนังสือ สถานะ วันกำหนดส่ง บาร์โค้ด การจองรายการ หนังสือสำรอง
Book Book Puey Ungphakorn Library, Rangsit Campus
General Stacks
General Books CPSC QA 2013 620023 (เรียกดูชั้นหนังสือ) ยืมออก 07/04/2019 31379014134499

คป.348 ภาคการศึกษาที่ 1

รายการจองทั้งหมด: 0

Includes bibliographical references and index.

Introduction -- Processing the information and getting to know your data -- Standard linear regression -- Local polynomial regression: a nonparametric regression approach -- Importance of parsimony in statistical modeling -- Penalty-based variable selection in regression models with many parameters (LASSO) -- Logistic regression -- Binary classification, probabilities, and evaluating classification performance -- Classification using a nearest neighbor analysis --The Naive Bayesian analysis: a model predicting a categorical response from mostly categorical predictor variables -- Multinomial logistic regression -- More on classification and a discussion on discriminant analysis -- Decision trees -- Further discussion on regression and classification trees, computer software, and other useful classification methods -- Clustering -- Market basket analysis: association rules and lift -- Dimension reduction: factor models and principal components -- Reducing the dimension in regressions with multicollinear inputs: principal components regression and partial least squares -- Text as data: text mining and sentiment analysis -- Network data -- Appendices: A. Exercises -- B. References.

ไม่มีความคิดเห็นใดๆ สำหรับรายการนี้

เข้าสู่ระบบบัญชีผู้ใช้ของคุณ เพื่อโพสต์ความคิดเห็น

คลิกที่รูปภาพเพื่อดูในตัวแสดงภาพ

ห้องสมุด:

Thammasat University Library
2 Prachan Road, Phranakorn, Bangkok 10200
Tel: 662 613-3544 (Pridi Banomyong Library, Circulation Desk)
Tel: 662 564-4444 ext. 1305 (Puey Ungphakorn Library (Rangsit Campus), Circulation Desk)