R in Action: Data Analysis and Graphics with R

Olvasói vélemények

Ez a könyv nagy elismerést aratott az R programozási nyelv oktatásának mélységéért, különösen az adattudományi és statisztikai alkalmazások terén. Gyakorlati példákat, világos magyarázatokat és a témák széles körének lefedettségét nyújtja, így egyaránt alkalmas kezdők és haladók számára.

A könyv jól szervezett, logikusan halad az alapfogalmaktól a haladó koncepciók felé. Gyakorlati példákkal, világos útmutatásokkal és az R képességeinek átfogó áttekintésével szolgál, beleértve az adatvizualizációt és a statisztikai elemzést is. A felhasználók nagyra értékelik a lebilincselő írásmódot és a kísérő ebook elérhetőségét. Számos recenzens ajánlja a könyvet, mint alapvető forrást mind az új, mind a tapasztalt R-felhasználók számára.

Néhány felhasználó megjegyezte, hogy a könyvből hiányoznak a tárgyalt statisztikai módszerek mögötti matematikai részletek. Néhányan a fizikai kötés minőségét kifogásolják, és arról számolnak be, hogy az oldalak elszakadtak vagy rosszul vágottak. Emellett egyes példák nem feltétlenül tartalmaznak teljes kódot a bonyolult grafikonok elkészítéséhez, ami megnehezíti a kezdők számára az eredmények pontos megismétlését.

(102 olvasói vélemény alapján)

Könyv tartalma:

Összefoglaló

Az R in Action, második kiadás bemutatja mind az R nyelvet, mind pedig azokat a példákat, amelyek az üzleti fejlesztők számára oly hasznossá teszik. A gyakorlati megoldásokra összpontosítva a könyv egy gyorstalpaló tanfolyamot kínál a statisztikában, és elegáns módszereket mutat be a hagyományos módszerekkel nehezen elemezhető, rendezetlen és hiányos adatok kezelésére. Emellett elsajátíthatja az R széleskörű grafikai képességeit is az adatok vizuális feltárásához és bemutatásához. Ez a bővített második kiadás pedig új fejezeteket tartalmaz az idősorelemzésről, a klaszterelemzésről és az osztályozási módszerekről, beleértve a döntési fákat, a véletlen erdőket és a támogató vektorgépeket.

A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.

A technológiáról

Az üzleti szakemberek és kutatók az adatokból élnek, az R pedig az adatelemzés nyelvén beszél. Az R egy nagy teljesítményű programozási nyelv a statisztikai számításokhoz. Az általános célú eszközökkel ellentétben az R több ezer modult kínál szinte bármilyen adatfeldolgozási vagy prezentációs kihívás megoldásához, amellyel valószínűleg szembesülni fog. Az R minden fontos platformon fut, és világszerte több ezer nagyvállalat és intézmény használja.

A könyvről

Az R in Action, második kiadás a tudományos, műszaki és üzleti fejlesztők számára releváns példák bemutatásával tanítja meg az R nyelv használatát. A gyakorlati megoldásokra összpontosítva a könyv gyorstalpaló tanfolyamot kínál a statisztikában, beleértve a rendezetlen és hiányos adatok kezelésének elegáns módszereit. Emellett elsajátíthatja az R széleskörű grafikai képességeit is az adatok vizuális feltárásához és bemutatásához. Ez a bővített második kiadás pedig új fejezeteket tartalmaz az előrejelzésről, az adatbányászatról és a dinamikus jelentéskészítésről.

Mi van benne?

⬤ Teljes R nyelvi bemutató.

⬤ Az R használata az adatok kezelésére, elemzésére és vizualizálására.

⬤ Technikák a programok hibakereséséhez és csomagok létrehozásához.

⬤ OOP az R-ben.

⬤ Több mint 160 grafikon.

A szerzőről

Dr. Rob Kabacoff tapasztalt kutató és tanár, aki az adatelemzésre specializálódott. Ő tartja fenn a népszerű Quick-R weboldalt is a statmethods.net címen.

Tartalomjegyzék

1. RÉSZ: KEZDJÜK EL A MUNKÁT.

⬤ Bevezetés az R-be.

⬤ Adatkészlet létrehozása.

⬤ A grafikonokkal való kezdés.

⬤ Az alapvető adatkezelés.

⬤ Hosszabb távú adatkezelés.

2. RÉSZ ALAPVETŐ MÓDSZEREK.

⬤ Egyszerű grafikonok.

⬤ Egyszerű statisztikák.

3. RÉSZ KÖZÉPSZINTŰ MÓDSZEREK.

⬤ Regresszió.

⬤ Varianciaelemzés.

⬤ Teljesítményelemzés.

⬤ Középszintű grafikonok.

⬤ Újraminta-statisztika és bootstrapping.

4. RÉSZ HALADÓ MÓDSZEREK.

⬤ Általános lineáris modellek.

⬤ Fő komponensek és faktorelemzés.

⬤ Idősorok.

⬤ Klaszterelemzés.

⬤ Klasszifikáció.

⬤ Továbbfejlesztett módszerek hiányzó adatokra.

5. RÉSZ A KÉSZSÉGEK BŐVÍTÉSE.

⬤ Hosszabb grafika ggplot2-vel.

⬤ Hosszabb programozás.

⬤ Pakett létrehozása.

⬤ Dinamikus jelentések készítése.

⬤ Hosszabb grafika a lattice csomaggal, amely csak online érhető el a manning.com/kabacoff2 oldalon.