R per tutti: Analisi e grafica avanzata

Recensioni dei lettori

Nel complesso, “R per tutti” è apprezzato come una risorsa completa e utile per l'apprendimento di R, in particolare per i principianti e gli utenti intermedi. Molti recensori ne apprezzano l'approccio strutturato e gli esempi pratici, mentre alcuni esprimono disappunto per le condizioni fisiche del libro e alcuni ritengono i contenuti obsoleti.

⬤ Completo e ben strutturato
⬤ adatto sia ai principianti che a chi ha già esperienza
⬤ copre sia R base che tidyverse
⬤ contiene preziosi capitoli sulla statistica e sull'apprendimento automatico
⬤ le istruzioni passo-passo sono facili da seguire
⬤ ottimo per insegnare i concetti di programmazione
⬤ utile per la preparazione agli esami.

⬤ Alcune copie ricevute non erano in condizioni nuove e sembravano usate
⬤ alcuni recensori hanno trovato il contenuto confuso o non aggiornato
⬤ lamentele minori sulla presentazione o sulla qualità fisica del libro.

(basato su 55 recensioni dei lettori)

Titolo originale:

R for Everyone: Advanced Analytics and Graphics

Contenuto del libro:

Calcolo statistico per programmatori, scienziati, esperti, utenti di Excel e altri professionisti.

Utilizzando il linguaggio open source R, è possibile costruire potenti modelli statistici per rispondere a molte delle domande più impegnative. R è tradizionalmente difficile da imparare per chi non è uno statistico e la maggior parte dei libri su R presuppone una conoscenza troppo approfondita per essere d'aiuto. R per tutti, seconda edizione è la soluzione.

Attingendo alla sua insuperabile esperienza nell'insegnamento ai nuovi utenti, lo scienziato dei dati professionista Jared P. Lander ha scritto il tutorial perfetto per chiunque sia alle prime armi con la programmazione e la modellazione statistica. Organizzata in modo da rendere l'apprendimento facile e intuitivo, questa guida si concentra sul 20% delle funzionalità di R necessarie per svolgere l'80% delle attività moderne sui dati.

I capitoli autoconclusivi di Lander iniziano con le basi assolute, offrendo un'ampia pratica pratica ed esempi di codice. Scaricherete e installerete R; navigherete e userete l'ambiente R; padroneggerete il controllo di base del programma, l'importazione, la manipolazione e la visualizzazione dei dati; e affronterete diversi test essenziali. Poi, partendo da queste basi, costruirete diversi modelli completi, sia lineari che non lineari, e utilizzerete alcune tecniche di data mining. Infine, renderete il vostro codice riproducibile con LaTeX, RMarkdown e Shiny.

Quando avrete finito, non saprete solo come scrivere programmi R, ma sarete pronti ad affrontare i problemi statistici che vi stanno più a cuore.

La trattazione comprende.

⬤ Esplorare R, RStudio e i pacchetti R.

⬤ Utilizzare R per la matematica: tipi di variabili, vettori, funzioni di chiamata e altro ancora.

⬤ Sfruttare le strutture di dati, tra cui frame di dati, matrici ed elenchi.

⬤ Leggere molti tipi di dati diversi.

⬤ Creare grafici statistici attraenti e intuitivi.

⬤ Scrivere funzioni definite dall'utente.

⬤ Controllare il flusso del programma con if, ifelse e controlli complessi.

⬤ Migliorare l'efficienza del programma con manipolazioni di gruppo.

⬤ Combinare e rimodellare più insiemi di dati.

⬤ Manipolare le stringhe utilizzando le strutture di R e le espressioni regolari.

⬤ Creare distribuzioni di probabilità normali, binomiali e di Poisson.

⬤ Costruire modelli lineari, lineari generalizzati e non lineari.

⬤ Programmare statistiche di base: media, deviazione standard e t-test.

⬤ Addestrare modelli di apprendimento automatico.

⬤ Valutare la qualità dei modelli e la selezione delle variabili.

⬤ Prevenire l'overfitting ed eseguire la selezione delle variabili, utilizzando i metodi Elastic Net e Bayesiano.

⬤ Analizzare dati di serie temporali univariate e multivariate.

⬤ Raggruppare i dati tramite K-means e clustering gerarchico.

⬤ Preparare relazioni, presentazioni e pagine web con knitr.

⬤ Visualizzare dati interattivi con RMarkdown e htmlwidgets.

⬤ Implementare dashboard con Shiny.

⬤ Creare pacchetti R riutilizzabili con devtools e Rcpp.

Registrate il vostro prodotto all'indirizzo informit.com/register per accedere comodamente a download, aggiornamenti e correzioni non appena disponibili.

Normal 0 false false false EN-US X-NONE X-NONE.