0人評分過此書

大數據決策分析盲點大突破10講:我分類故我在

出版日期
2023/03/01
閱讀格式
PDF
書籍分類
學科分類
ISBN
9786263435865

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
我分類故我在!大數據也要大思維!思維革新比數據技術更重要!

在商業分析和商業智慧的脈絡下,建構大數據,而不是從巨量資料當中大海撈針。
在未來,容易上手的程式只會越來越普及,唯有絕佳的資料素養,和更有價值的決策能力才能讓你不同凡響。

如果只是把資料變大,認知學習能力的維度卻沒有變大,接下來會如何?從少量數據都學習不到的價值,大數據只是讓它更遙不可及。

作者鑽研R語言多年、擁有資深學界經驗,貢獻良多。本書內容豐富,以十個面向切入,探討大數據所必備的工具,例如R-Commander、決策樹、隨機森林與R語言強大的視覺化功能。除了概念解析之外,作者更逐行解析專業程式語言,再加碼實際操作與應用功能說明,在每講的最後,還能領略作者獨到的觀念釐清,讓你不會迷失在大數據的眉角中。非常適合做為R語言的基礎自學書,對於初入大數據領域的讀者如同暮鼓晨鐘、醍醐灌頂,對已入行的數據分析師而言,更是當頭棒喝、突破盲點。
  • 推薦序
  • 自序
  • 第1講 淺談解析型企業
    • 1.1 大數據是因為它有大用
    • 1.2 資料解析的兩個大數據環境
    • 1.3 演算法
    • 1.4 數據解析之資訊概論
    • 1.5 資料驅動?別鬧了!數字不會說話
    • 1.6 本書安排
  • 第2講 掌握資料的統計性質—分布
    • 2.1 資料分布的前兩階動差—平均數和變異數
    • 2.2 描述資料中央趨勢的兩組方法
    • 2.3 資料分布的另外兩個動差
    • 2.4 提審大數據
  • 第3講 時間序列的分類分析
    • 3.1 時間序列性質
    • 3.2 時間序列分析—低頻
    • 3.3 時間序列分析—日高頻資料
    • 3.4 時間序列分類分析—日內高頻資料
    • 3.5 提審大數據
  • 第4講 線性模式的分類原理—期望值與信賴區間
    • 4.1 簡易統計原理
    • 4.2 R GUI實作
    • 4.3 R程式碼實作
    • 4.4 提審大數據
  • 第5講 二元模式的分類原理—Logistic迴歸
    • 5.1 簡易廣義線性模型
    • 5.2 R GUI的實作
    • 5.3 R 程式的實作
    • 5.4 提審大數據
  • 第6講 主成分的分類原理—把資料變少了
    • 6.1 簡易原理
    • 6.2 R GUI的實作
    • 6.3 R 程式的實作
    • 6.4 提審大數據
  • 第7講 集群分析的分類原理
    • 7.1 集群分析的基本概念
    • 7.2 R GUI實作
    • 7.3 R 程式的實作
    • 7.4 提審大數據
  • 第8講 決策樹和隨機森林的原理
    • 8.1 分類決策樹原理
    • 8.2 用R GUI實作
    • 8.3 R Code
    • 8.4 隨機森林
    • 8.5 提審大數據
  • 第9講 大數據行銷—購物籃分析
    • 9.1 關聯的分類原理簡介
    • 9.2 R GUI實作
    • 9.3 R code
    • 9.4 提審大數據
  • 第10講 文字探勘淺談
    • 10.1 文字探勘簡介
    • 10.2 隱藏馬可夫模型 (HMM,Hidden Markov Model)
    • 10.3 RLab
  • 附錄A 有關R的GUI裝置問題
    • A.1 R漫談和GUI簡介
    • A.2 R-Commander的裝置
    • A.3 安裝與載入R-Commander
  • 附錄B 裝置rattle
  • 附錄C 資料檔和MySQL資料庫的存取
    • C.1 資料檔讀取
    • C.2 資料庫讀取
    • C.3 處理資料表的函數
  • 附錄D 強化法
    • D.1 支援向量機SVM簡介
    • D.2 推進(Boosting)方法簡介

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading