近數年各行各業的發展都朝網路及大數據靠攏，他們需要懂得網路運作的法政人才、了解數據分析的銷售人才、擅長數位技術的金融人才、孰悉資訊技術的醫療人才、深諳資料處理及分析的文學人才。過去，想要跨足資訊領域很困難，因為門檻很高（無論是軟硬體的需求都很昂貴而且學習困難），所以資訊科班出身的人才很吃香，但未來人才的競爭力來自於跨領域的能力，光靠資訊技術難以滿足創新時代的要求，反而是那些具備理工、法商、文史、生醫等專業而又懂得資料處理者才是時代的寵兒。因為現代資訊領域的門檻已大幅降低，金費及時間已不是問題，只要您願意突破心理障礙，大膽跨入新領域，就會有驚人的收穫。本書旨在協助您跨足新領域、展開新視界，讓您成為高人一等的Data Analyst數據分析師，或Big Data Engineer大數據工程師。
由於網路交易的頻繁及政府資料庫的開放，資料的產出如海水般湧入，資料的取得及保存也「易於往昔」，故如何運用電腦從中挖掘有用的資訊，以提高決策品質，才是今日各界需要面對的重點，但是怎麼挖？用甚麼工具挖？
資料採礦涉及許多不同的演算方法，如果不能了解其演算原理，就會陷入「知其然而不知其所以然」的盲點，甚或誤用採礦方法。坊間有關資料採礦的書籍很多，但多欠缺深入的解說，只是重點翻譯或是規則重述，沒有作者自己的思維（消化咀嚼之後的表述），以致讀者閱讀之後仍是一頭霧水，這類書籍充其量只能作為授課大綱，而無助於問題之解決。
本書分為10章，第1章說明R語言的用法，第2～8章為關聯分析、叢集分析、分類分析、資料包絡分析、決策樹、隨機森林等各種演算方法的深入剖析，第9章引領讀者進入「類神經網路及人工智慧」的殿堂，最後一章則為R語言之大數據處理。本書不但說明如何使用R語言的套件來進行資料採礦，更從不同角度闡述這些採礦模型（演算法）的原理，並以淺顯易懂的範例讓讀者了解其成因及產出，例如關聯分析之強度指標、貝氏分類的機率計算、階層分群之演算步驟、剪影係數的計算解析、決策樹之建構程序、隨機森林之節點路徑、類神經網路的權值修正等，只要讀者願意投入些許時間，必能豁然開朗、明其堂奧。
| FindBook |
有 6 項符合
R語言的資料採礦導引：大數據時代的資料分析(附綠色範例檔)的圖書 |
 |
R語言的資料採礦導引：大數據時代的資料分析 作者：陳鴻敏 出版社：經瑋國際股份有限公司 出版日期：2018-08-01 語言：繁體書 |
| 圖書選購 |
| 型式 | 價格 | 供應商 | 所屬目錄 | 二手書 |
$ 343 |
 TAAZE 讀冊生活 |
二手中文書 |
$ 537 |
 樂天書城 |
其它程式設計 |
$ 612 |
 金石堂 |
統計軟體 |
$ 612 |
TAAZE 讀冊生活 |
程式語言 |
$ 612 |
 iRead灰熊愛讀書 |
程式語言 |
$ 612 |
 五南文化廣場網路書店 |
科學科普 |
|---|
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：R語言的資料採礦導引：大數據時代的資料分析(附綠色範例檔)
內容簡介
目錄
Chapter 1 R語言及其擴展包之使用
01-1 R語言及RStudio之安裝與更新
01-2 RStudio之使用簡介
01-3 如何建立R Script程式檔
01-4 R語言之物件簡介
01-5 如何使用R語言之擴展包
Chapter 2 關聯分析
02-1 何謂關聯規則
02-2 如何運用關聯規則
02-3 使用arules擴展包進行關聯分析
02-4 使用arulesViz擴展包繪製關聯分析圖
Chapter 3 叢集分析
03-1 何謂叢集分析
03-2 叢集分析之各類演算法
03-3 使用stats擴展包進行Kmean演算
03-4 使用cluster擴展包進行Kmedoids演算
03-5 使用fpc擴展包進行DBSCAN演算
03-6 使用stats擴展包進行HC演算
Chapter 4 迴歸分析
04-1 迴歸分析的意義及功能
04-2 如何使用Excel進行迴歸分析
04-3 如何解讀迴歸分析的結果
04-4 如何運用迴歸方程式
04-5 如何進行多元迴歸分析
04-6 如何進行非計量變數的迴歸分析
04-7 如何處理多變量迴歸分析的共線問題
04-8 如何使用R語言進行簡單迴歸分析
04-9 如何將R語言分析結果匯出為Excel檔
04-10 R語言之多元迴歸分析及3D立體圖繪製
04-11 R語言之非計量變數的迴歸分析
Chapter 5 分類分析
05-1 單純貝氏分類演算法
05-2 k最近鄰分類演算法
05-3 線性判別分析
05-4 各種分類演算法的比較
Chapter 6 決策樹
06-1 決策樹之結構
06-2 決策樹之建構
06-3 如何選擇決策樹的切割點
06-4 使用R語言建立決策樹
Chapter 7 資料包絡分析
07-1 資料包絡分析之功能概述
07-2 資料包絡分析模式之解析
07-3 使用R擴展包執行DEA基本演算
07-4 使用R擴展包執行交叉效率分析
07-5 使用R擴展包執行超級效率分析
07-6 使用R擴展包執行成本效率分析
07-7 使用R擴展包執行跨期效率分析
07-8 其他免費DEA工具
Chapter 8 隨機森林
08-1 隨機森林的基本概念
08-2 隨機森林的演算步驟
08-3 使用R語言進行隨機森林演算
08-4 取出隨機森林演算結果的資訊
08-5 隨機森林之繪圖及路徑之建構
08-6 解釋變數最適量之尋找方法
Chapter 9 類神經網路及人工智慧
09-1 人工智慧的關鍵技術
09-2 類神經網路的基本概念
09-3 類神經網路演算說明
09-4 使用nnet擴展包進行類神經網路演算
09-5 使用neuralnet擴展包進行類神經網路演算
09-6 使用RSNNS擴展包進行類神經網路演算數及重複學習次數
09-7 類神經網路之影像辨識範例
09-8 使用MXNet進行CNN卷積神經網路演算
Chapter 10 R的大數據處理
10-1 使用平行處理及編譯，縮短處理時間
10-2 使用記憶體管理擴展包，擴大運用空間
10-3 透過瘦身減重及資料抽樣，增進處理績效
10-4 搭配Oracle Database進行資料採礦
10-5 搭配SQL Server進行資料採礦
10-6 大數據的來源
附錄A 如何使用本書隨附之範例檔
附錄B 程式檔清單
附錄C 資料檔清單
附錄D 解釋檔清單
附錄E 如何將資料匯入SQL Serve
附錄F 如何使用ODBC連結Oracle
附錄G 如何使用SQL Developer上傳資料表
附錄H 基本函數使用說明線連接
01-1 R語言及RStudio之安裝與更新
01-2 RStudio之使用簡介
01-3 如何建立R Script程式檔
01-4 R語言之物件簡介
01-5 如何使用R語言之擴展包
Chapter 2 關聯分析
02-1 何謂關聯規則
02-2 如何運用關聯規則
02-3 使用arules擴展包進行關聯分析
02-4 使用arulesViz擴展包繪製關聯分析圖
Chapter 3 叢集分析
03-1 何謂叢集分析
03-2 叢集分析之各類演算法
03-3 使用stats擴展包進行Kmean演算
03-4 使用cluster擴展包進行Kmedoids演算
03-5 使用fpc擴展包進行DBSCAN演算
03-6 使用stats擴展包進行HC演算
Chapter 4 迴歸分析
04-1 迴歸分析的意義及功能
04-2 如何使用Excel進行迴歸分析
04-3 如何解讀迴歸分析的結果
04-4 如何運用迴歸方程式
04-5 如何進行多元迴歸分析
04-6 如何進行非計量變數的迴歸分析
04-7 如何處理多變量迴歸分析的共線問題
04-8 如何使用R語言進行簡單迴歸分析
04-9 如何將R語言分析結果匯出為Excel檔
04-10 R語言之多元迴歸分析及3D立體圖繪製
04-11 R語言之非計量變數的迴歸分析
Chapter 5 分類分析
05-1 單純貝氏分類演算法
05-2 k最近鄰分類演算法
05-3 線性判別分析
05-4 各種分類演算法的比較
Chapter 6 決策樹
06-1 決策樹之結構
06-2 決策樹之建構
06-3 如何選擇決策樹的切割點
06-4 使用R語言建立決策樹
Chapter 7 資料包絡分析
07-1 資料包絡分析之功能概述
07-2 資料包絡分析模式之解析
07-3 使用R擴展包執行DEA基本演算
07-4 使用R擴展包執行交叉效率分析
07-5 使用R擴展包執行超級效率分析
07-6 使用R擴展包執行成本效率分析
07-7 使用R擴展包執行跨期效率分析
07-8 其他免費DEA工具
Chapter 8 隨機森林
08-1 隨機森林的基本概念
08-2 隨機森林的演算步驟
08-3 使用R語言進行隨機森林演算
08-4 取出隨機森林演算結果的資訊
08-5 隨機森林之繪圖及路徑之建構
08-6 解釋變數最適量之尋找方法
Chapter 9 類神經網路及人工智慧
09-1 人工智慧的關鍵技術
09-2 類神經網路的基本概念
09-3 類神經網路演算說明
09-4 使用nnet擴展包進行類神經網路演算
09-5 使用neuralnet擴展包進行類神經網路演算
09-6 使用RSNNS擴展包進行類神經網路演算數及重複學習次數
09-7 類神經網路之影像辨識範例
09-8 使用MXNet進行CNN卷積神經網路演算
Chapter 10 R的大數據處理
10-1 使用平行處理及編譯，縮短處理時間
10-2 使用記憶體管理擴展包，擴大運用空間
10-3 透過瘦身減重及資料抽樣，增進處理績效
10-4 搭配Oracle Database進行資料採礦
10-5 搭配SQL Server進行資料採礦
10-6 大數據的來源
附錄A 如何使用本書隨附之範例檔
附錄B 程式檔清單
附錄C 資料檔清單
附錄D 解釋檔清單
附錄E 如何將資料匯入SQL Serve
附錄F 如何使用ODBC連結Oracle
附錄G 如何使用SQL Developer上傳資料表
附錄H 基本函數使用說明線連接
|
