具体描述
近数年各行各业的发展都朝网路及大数据靠拢，他们需要懂得网路运作的法政人才、了解数据分析的销售人才、擅长数位技术的金融人才、孰悉资讯技术的医疗人才、深谙资料处理及分析的文学人才。过去，想要跨足资讯领域很困难，因为门槛很高（无论是软硬体的需求都很昂贵而且学习困难），所以资讯科班出身的人才很吃香，但未来人才的竞争力来自于跨领域的能力，光靠资讯技术难以满足创新时代的要求，反而是那些具备理工、法商、文史、生医等专业而又懂得资料处理者才是时代的宠儿。因为现代资讯领域的门槛已大幅降低，金费及时间已不是问题，只要您愿意突破心理障碍，大胆跨入新领域，就会有惊人的收获。本书旨在协助您跨足新领域、展开新视界，让您成为高人一等的Data Analyst数据分析师，或Big Data Engineer大数据工程师。
由于网路交易的频繁及政府资料库的开放，资料的产出如海水般涌入，资料的取得及保存也「易于往昔」，故如何运用电脑从中挖掘有用的资讯，以提高决策品质，才是今日各界需要面对的重点，但是怎么挖？用甚么工具挖？
资料採矿涉及许多不同的演算方法，如果不能了解其演算原理，就会陷入「知其然而不知其所以然」的盲点，甚或误用採矿方法。坊间有关资料採矿的书籍很多，但多欠缺深入的解说，只是重点翻译或是规则重述，没有作者自己的思维（消化咀嚼之后的表述），以致读者阅读之后仍是一头雾水，这类书籍充其量只能作为授课大纲，而无助于问题之解决。
本书分为10章，第1章说明R语言的用法，第2～8章为关联分析、丛集分析、分类分析、资料包络分析、决策树、随机森林等各种演算方法的深入剖析，第9章引领读者进入「类神经网路及人工智慧」的殿堂，最后一章则为R语言之大数据处理。本书不但说明如何使用R语言的套件来进行资料採矿，更从不同角度阐述这些採矿模型（演算法）的原理，并以浅显易懂的范例让读者了解其成因及产出，例如关联分析之强度指标、贝氏分类的机率计算、阶层分群之演算步骤、剪影系数的计算解析、决策树之建构程序、随机森林之节点路径、类神经网路的权值修正等，只要读者愿意投入些许时间，必能豁然开朗、明其堂奥。
由于网路交易的频繁及政府资料库的开放，资料的产出如海水般涌入，资料的取得及保存也「易于往昔」，故如何运用电脑从中挖掘有用的资讯，以提高决策品质，才是今日各界需要面对的重点，但是怎么挖？用甚么工具挖？
资料採矿涉及许多不同的演算方法，如果不能了解其演算原理，就会陷入「知其然而不知其所以然」的盲点，甚或误用採矿方法。坊间有关资料採矿的书籍很多，但多欠缺深入的解说，只是重点翻译或是规则重述，没有作者自己的思维（消化咀嚼之后的表述），以致读者阅读之后仍是一头雾水，这类书籍充其量只能作为授课大纲，而无助于问题之解决。
本书分为10章，第1章说明R语言的用法，第2～8章为关联分析、丛集分析、分类分析、资料包络分析、决策树、随机森林等各种演算方法的深入剖析，第9章引领读者进入「类神经网路及人工智慧」的殿堂，最后一章则为R语言之大数据处理。本书不但说明如何使用R语言的套件来进行资料採矿，更从不同角度阐述这些採矿模型（演算法）的原理，并以浅显易懂的范例让读者了解其成因及产出，例如关联分析之强度指标、贝氏分类的机率计算、阶层分群之演算步骤、剪影系数的计算解析、决策树之建构程序、随机森林之节点路径、类神经网路的权值修正等，只要读者愿意投入些许时间，必能豁然开朗、明其堂奥。
著者信息
图书目录
Chapter 1 R语言及其扩展包之使用
01-1 R语言及RStudio之安装与更新
01-2 RStudio之使用简介
01-3 如何建立R Script程式档
01-4 R语言之物件简介
01-5 如何使用R语言之扩展包
Chapter 2 关联分析
02-1 何谓关联规则
02-2 如何运用关联规则
02-3 使用arules扩展包进行关联分析
02-4 使用arulesViz扩展包绘制关联分析图
Chapter 3 丛集分析
03-1 何谓丛集分析
03-2 丛集分析之各类演算法
03-3 使用stats扩展包进行Kmean演算
03-4 使用cluster扩展包进行Kmedoids演算
03-5 使用fpc扩展包进行DBSCAN演算
03-6 使用stats扩展包进行HC演算
Chapter 4 回归分析
04-1 回归分析的意义及功能
04-2 如何使用Excel进行回归分析
04-3 如何解读回归分析的结果
04-4 如何运用回归方程式
04-5 如何进行多元回归分析
04-6 如何进行非计量变数的回归分析
04-7 如何处理多变量回归分析的共线问题
04-8 如何使用R语言进行简单回归分析
04-9 如何将R语言分析结果汇出为Excel档
04-10 R语言之多元回归分析及3D立体图绘制
04-11 R语言之非计量变数的回归分析
Chapter 5 分类分析
05-1 单纯贝氏分类演算法
05-2 k最近邻分类演算法
05-3 线性判别分析
05-4 各种分类演算法的比较
Chapter 6 决策树
06-1 决策树之结构
06-2 决策树之建构
06-3 如何选择决策树的切割点
06-4 使用R语言建立决策树
Chapter 7 资料包络分析
07-1 资料包络分析之功能概述
07-2 资料包络分析模式之解析
07-3 使用R扩展包执行DEA基本演算
07-4 使用R扩展包执行交叉效率分析
07-5 使用R扩展包执行超级效率分析
07-6 使用R扩展包执行成本效率分析
07-7 使用R扩展包执行跨期效率分析
07-8 其他免费DEA工具
Chapter 8 随机森林
08-1 随机森林的基本概念
08-2 随机森林的演算步骤
08-3 使用R语言进行随机森林演算
08-4 取出随机森林演算结果的资讯
08-5 随机森林之绘图及路径之建构
08-6 解释变数最适量之寻找方法
Chapter 9 类神经网路及人工智慧
09-1 人工智慧的关键技术
09-2 类神经网路的基本概念
09-3 类神经网路演算说明
09-4 使用nnet扩展包进行类神经网路演算
09-5 使用neuralnet扩展包进行类神经网路演算
09-6 使用RSNNS扩展包进行类神经网路演算数及重复学习次数
09-7 类神经网路之影像辨识范例
09-8 使用MXNet进行CNN卷积神经网路演算
Chapter 10 R的大数据处理
10-1 使用平行处理及编译，缩短处理时间
10-2 使用记忆体管理扩展包，扩大运用空间
10-3 透过瘦身减重及资料抽样，增进处理绩效
10-4 搭配Oracle Database进行资料採矿
10-5 搭配SQL Server进行资料採矿
10-6 大数据的来源
附录A 如何使用本书随附之范例档
附录B 程式档清单
附录C 资料档清单
附录D 解释档清单
附录E 如何将资料汇入SQL Serve
附录F 如何使用ODBC连结Oracle
附录G 如何使用SQL Developer上传资料表
附录H 基本函数使用说明线连接
01-1 R语言及RStudio之安装与更新
01-2 RStudio之使用简介
01-3 如何建立R Script程式档
01-4 R语言之物件简介
01-5 如何使用R语言之扩展包
Chapter 2 关联分析
02-1 何谓关联规则
02-2 如何运用关联规则
02-3 使用arules扩展包进行关联分析
02-4 使用arulesViz扩展包绘制关联分析图
Chapter 3 丛集分析
03-1 何谓丛集分析
03-2 丛集分析之各类演算法
03-3 使用stats扩展包进行Kmean演算
03-4 使用cluster扩展包进行Kmedoids演算
03-5 使用fpc扩展包进行DBSCAN演算
03-6 使用stats扩展包进行HC演算
Chapter 4 回归分析
04-1 回归分析的意义及功能
04-2 如何使用Excel进行回归分析
04-3 如何解读回归分析的结果
04-4 如何运用回归方程式
04-5 如何进行多元回归分析
04-6 如何进行非计量变数的回归分析
04-7 如何处理多变量回归分析的共线问题
04-8 如何使用R语言进行简单回归分析
04-9 如何将R语言分析结果汇出为Excel档
04-10 R语言之多元回归分析及3D立体图绘制
04-11 R语言之非计量变数的回归分析
Chapter 5 分类分析
05-1 单纯贝氏分类演算法
05-2 k最近邻分类演算法
05-3 线性判别分析
05-4 各种分类演算法的比较
Chapter 6 决策树
06-1 决策树之结构
06-2 决策树之建构
06-3 如何选择决策树的切割点
06-4 使用R语言建立决策树
Chapter 7 资料包络分析
07-1 资料包络分析之功能概述
07-2 资料包络分析模式之解析
07-3 使用R扩展包执行DEA基本演算
07-4 使用R扩展包执行交叉效率分析
07-5 使用R扩展包执行超级效率分析
07-6 使用R扩展包执行成本效率分析
07-7 使用R扩展包执行跨期效率分析
07-8 其他免费DEA工具
Chapter 8 随机森林
08-1 随机森林的基本概念
08-2 随机森林的演算步骤
08-3 使用R语言进行随机森林演算
08-4 取出随机森林演算结果的资讯
08-5 随机森林之绘图及路径之建构
08-6 解释变数最适量之寻找方法
Chapter 9 类神经网路及人工智慧
09-1 人工智慧的关键技术
09-2 类神经网路的基本概念
09-3 类神经网路演算说明
09-4 使用nnet扩展包进行类神经网路演算
09-5 使用neuralnet扩展包进行类神经网路演算
09-6 使用RSNNS扩展包进行类神经网路演算数及重复学习次数
09-7 类神经网路之影像辨识范例
09-8 使用MXNet进行CNN卷积神经网路演算
Chapter 10 R的大数据处理
10-1 使用平行处理及编译，缩短处理时间
10-2 使用记忆体管理扩展包，扩大运用空间
10-3 透过瘦身减重及资料抽样，增进处理绩效
10-4 搭配Oracle Database进行资料採矿
10-5 搭配SQL Server进行资料採矿
10-6 大数据的来源
附录A 如何使用本书随附之范例档
附录B 程式档清单
附录C 资料档清单
附录D 解释档清单
附录E 如何将资料汇入SQL Serve
附录F 如何使用ODBC连结Oracle
附录G 如何使用SQL Developer上传资料表
附录H 基本函数使用说明线连接
图书序言
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有