Cover von R Alles-in-einem-Band für Dummies wird in neuem Tab geöffnet

R Alles-in-einem-Band für Dummies

[Grundlagen und fortgeschrittene Programmiertechniken. Datenanalyse und statistische Auswertung mit R. Datenvisualisierung und maschinelles Lernen; mit Beispielprojekten]
Verfasser*in: Suche nach Verfasser*in Schmuller, Joseph
Verfasser*innenangabe: Joseph Schmuller ; Übersetzung aus dem Amerikanischen von Judith Muhr
Jahr: 2023
Verlag: Weinheim, Wiley-VCH
Mediengruppe: Buch
verfügbar

Exemplare

AktionZweigstelleStandorteStatusFristVorbestellungen
Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NN.MNS Schm / College 6a - Naturwissenschaften Status: Verfügbar Frist: Vorbestellungen: 0

Inhalt

(Verlagstext)
Wenn Sie R von Grund auf kennenlernen und auch die fortgeschrittenen Techniken zur Lösung gängiger Aufgaben bei der Datenanalyse mit R beherrschen möchten, dann liegen Sie mit diesem Buch goldrichtig. Es bietet Ihnen nicht nur einen Überblick über die Programmierung in R und die Arbeit mit der Sprache, sondern geht auch auf die Arten von Projekten und Anwendungen ein, die R-Entwicklerinnen und -Entwickler häufig in Angriff nehmen müssen. Statistische Analysen, Datenvisualisierungen, maschinelles Lernen und Datenmanagement mit R: All das lernen Sie mit diesem Buch intensiv kennen
 
 
Aus dem Inhalt:
Einführung / / Über dieses Buch / / Teil I / : Einführung in R / / Teil II / : Daten beschreiben / / Teil II / : Daten auswerten / / Teil / : Aus Daten lernen / / Teil / : R nutzen - Einige Projekte, die Sie auf die Praxis vorbereiten / / Was Sie getrost überspringen können / / Törichte Annahmen über den Leser / / In diesem Buch verwendete Symbole / / Wie es jetzt weitergeht / TEIL I / EINE EINFÜHRUNG IN R / / Kapitel / / R - Was es macht und wie es dies macht / / Statistische (und verwandte) Konzepte, die man einfach kennen muss / / Stichproben und Grundgesamtheiten / / Variablen: abhängige und unabhängige / / Verschiedene Arten von Daten / / Eine kleine Wahrscheinlichkeit / / Inferenzstatistik: Hypothesen testen / / Null- und Alternativhypothesen / / Zwei Arten von Fehlern / / R beschaffen / / RStudio beschaffen / / Eine Sitzung mit R / / Das Arbeitsverzeichnis / / Erste Schritte / / Funktionen in R / / Benutzerdefinierte Funktionen / / Kommentare / / Strukturen in R / / Vektoren / / Numerische Vektoren / / Matrizen / / Listen / / Datenrahmen / / for-Schleifen und i f-Anweisungen / Kapitel / / Mit Packages arbeiten, Importieren und Exportieren / / Packages installieren / / Daten prüfen / / Kopf und Zahl / / Fehlende Daten / / Untergruppen / / Formeln in R / / Weitere Packages / / Das Tidyversum / / Importieren und Exportieren / / Tabellenkalkulationen / / CSV-Dateien / / Textdateien / TEIL II/ DATEN BESCHREIBEN / / Kapitel / / Grafik / / Muster finden / / Grafische Darstellung einer Verteilung / / Bar-Hopping / / Tortenstücke / / Die Darstellung der Streuung / / Von Boxen und Schnurrhaaren / / Grundlagen beherrschen: Basisgrafiken in R / / Histogramme / / Diagrammeigenschaften / / Balkendiagramme / / Tortendiagramme / / Punktdiagramme / / Balkendiagramme neu betrachtet / / Streudiagramme / / Anders ausgedrückt / / Streudiagramm-Matrix / / Box-Plots / / Einen Zahn zulegen - mit ggplot/ / Histogramme / Balkendiagramme / Punktdiagramme / Balkendiagramme neu aufgelegt / Streudiagramme / Wie es zu diesem Wandel kommt / Streudiagramm-Matrix / Box-Diagramme / Dranbleiben! / Kapitel / / Finden Sie Ihre Mitte! / Mittelwerte: Die Verlockung desDurchschnitts / Berechnung des Mittelwerts / Der Durchschnitt in R: mean() / Wie lautet die Bedingung? / Die $-Zeichen loswerden / Daten genauer erkunden / Ausreißer: Der Fehler der Durchschnittswerte / Mediane: In der Mitte gefangen / Der Median in R: median() / Statistik ä la Mode / Der Modus in R / Kapitel / / Weg vom Durchschnitt / Messung der Varianz / Mittelwertbildung für die quadratischen Abweichungen: Varianz und wie man sie berechnet / Varianz der Stichprobe / Varianz in R / Zurück zu den Ursprüngen: Standardabweichung / Standardabweichung der Grundgesamtheit / Standardabweichung der Stichprobe / Standardabweichung in R / Bedingungen, Bedingungen, Bedingungen / Kapitel / / Standards und Ränge / Ich kaufe ein Z! / Merkmale der z-Werte / Bonds gegen Bambino / Werte genauer untersuchen / Standardwerte in R / Wo stehen Sie? / Ranglisten in R / Punktgleiche Ergebnisse / N-t kleinste, N-t größte / Perzentile / Prozentuale Ränge / Zusammenfassung / / Kapitel / / Eine Zusammenfassung des Ganzen / Wie viele? / Das Hoch und das Tief / In den Momenten leben / Ein lehrreicher Moment / Zurück zu den Deskriptiven / Schiefe / Wölbung (Kurtosis) / Bestimmung der Häufigkeit / Nominale Variablen: table() et al / Numerische Variablen: hist() / Numerische Variablen: stem() / Zusammenfassung eines Datenrahmens / Kapitel / / Was ist normal? / Gut auf der Kurve liegen / Genauer betrachtet / Parameter einer Normalverteilung / Mit Normalverteilungen arbeiten / Verteilungen in R / Dichtefunktion der Normalverteilung / Eine Normalkurve zeichnen / Kumulative Dichtefunktion / Ein Diagramm für die CDF / Quantile von Normalverteilungen / Ausgabe der CDF mit Quartilen / Zufallsstichproben / Treffen mit einem angesehenen Mitglied der Familie / Die Standardnormalverteilung in R / Ausgabe der Standardnormalverteilung / / TEIL III/ DATEN ANALYSIEREN / Kapitel / / Ein Spiel mit dem Vertrauen: Schätzung / Stichprobenverteilungen verstehen / Ein AUSSERORDENTLICH wichtiges Konzept: Der zentrale Grenzwertsatz / (Annähernde) Simulation des zentralen Grenzwertsatzes / Vorhersagen des zentralen Grenzwertsatzes / Vertrauen: Alles hat seine Grenzen! / Ermittlung von Konfidenzgrenzen für einen Mittelwert / Mit R die Konfidenzgrenzen für einen Mittelwert ermitteln / Annähern an ein t / / Kapitel / / Hypothesentests mit einer Stichprobe / Hypothesen, Tests und Fehler / Hypothesentests und Stichprobenverteilungen / Wir kaufen noch ein Z / Z-Tests in R / t for One / t-Test in / Die Arbeit mit t-Verteilungen / Visualisierung von t-Verteilungen / t in grundlegenden R-Diagrammen ausgeben / Ausgabe von t in ggplot/ / Ein Wort zu ggplot/ / Eine Varianz testen / Ein Beispiel anlegen / Testen in R / Mit Chi-Quadrat-Verteilungen arbeiten / Visualisierung von Chi-Quadrat-Verteilungen / Darstellung von Chi-Quadrat in grundlegender R-Grafik / Chi-Quadrat-Darstellung in ggplot/ / / Kapitel / / Hypothesentests mit zwei Stichproben / Hypothesen für zwei / Stichprobenverteilungen unter der Lupe / Anwendung des zentralen Grenzwertsatzes / Und nochmal Z / Z-Test für zwei Stichproben in R / t for / Wie die Erbsen in der Schote: gleiche Varianzen / t-Tests in R / Mit zwei Vektoren arbeiten / Mit einem Datenrahmen und einer Formel arbeiten / Visualisierung der Ergebnisse / Wie ps und qs: ungleiche Varianzen / Perfekt kombiniert: Hypothesentests für paarweise Stichproben / t-Test für paarweise Stichproben in R / Zwei Varianzen testen / F-TestsinR / F in Verbindung mit t / Mit F-Verteilungen arbeiten / Visualisierung von F-Verteilungen / / Kapitel / / Tests von mehr als zwei Stichproben / Mehr als zwei testen / Ein heikles Problem / Eine Lösung / Bedeutsame Beziehungen / ANOVA in / Einen Boxplot zur Visualisierung der Daten ausgeben / Nach der ANOVA / Kontraste in R / Ungeplante Vergleiche / Eine andere Art von Hypothese, eine andere Art von Test / Mit ANOVA mit wiederholten Messungen arbeiten / ANOVA mit wiederholten Messungen in R / Visualisierung der Ergebnisse / Dem Trend folgen / Trendanalyse in R / Kapitel / / Kompliziertere Tests / Die Kombinationen knacken / Wechselwirkungen / Die Analyse / Zwei-Faktoren-ANOVA in R / Visualisierung der wechselseitigen Ergebnisse / Zwei Arten von Variablen auf einmal / Gemischte ANOVA in R / Visualisierung der gemischten ANOVA-Ergebnisse / Nach der Analyse / Multivariate Varianzanalyse / MANOVAinR / Visualisierung der MANOVA-Ergebnisse / Nach der MANOVA / / Kapitel / / Regression: Lineare und multiple und das allgemeine / lineare Modell / Das Streudiagramm / Linien grafisch darstellen / Regression: Was für eine Linie! / Verwendung der Regression für Prognosen / Variation um die Regressionslinie / Hypothesen über die Regression testen / Prüfung der Passform / Test der Steigung / Test des Schnittpunkts / Lineare Regression in R / Merkmale des linearen Modells / Prognosen treffen / Visualisierung des Streudiagramms und der Regressionslinie / Ausgabe der Residuen / Mit vielen Beziehungen gleichzeitig jonglieren: Mehrfache Regression / Mehrfache Regression in R / Prognosen machen / Visualisierung des / D-Streudiagramms und der Regressionsebene / Das Package scatterplot/ d / car und rgl: ein Paketangebot / ANOVA: Eine andere Perspektive / Analyse der Kovarianz: Die letzte Komponente des allgemeinen linearen Modells / Doch halt - das war noch nicht alles! / Kapitel / / Korrelation: Aufstieg und Fall von Beziehungen / Korrelation verstehen / Korrelation und Regression / Hypothesen über die Korrelation testen / Ist ein Korrelationskoeffizient größer als Null? / Unterscheiden sich zwei Korrelationskoeffizienten? / Korrelation in R / Berechnung eines Korrelationskoeffizienten / Einen Korrelationskoeffizienten testen / Die Differenz zwischen zwei Korrelationskoeffizienten testen / Eine Korrelationsmatrix berechnen / Korrelationsmatrizen visualisieren / Multiple Korrelation / Multiple Korrelation in R / Anpassung des R-Quadrats / Partielle Korrelation / Partielle Korrelation in R / Semipartielle Korrelation / Semipartielle Korrelation in R / Kapitel / / Kurvilineare Regression: Wenn Beziehungen kompliziert werden / Was ist ein Logarithmus? / Was ist e? / Potenzregression / Exponentielle Regression / Logarithmische Regression / Polynomielle Regression: Eine höhere Potenz / Welches Modell sollten Sie verwenden? / Kapitel / / Zu gegebener Zeit / Eine Zeitreihe und ihre Komponenten / Prognose: Eine bewegliche Erfahrung / Prognose: Ein anderer Weg / Mit realen Daten arbeiten / Kapitel / / Nichtparametrische Statistik / Unabhängige Stichproben / Zwei Stichproben: Wilcoxon Rangsummentest / Mehr als zwei Stichproben: Kruskal-Wallis Einweg-ANOVA / Paarweise Stichproben / Zwei paarweise Stichproben: Wilcoxon-Vorzeichenrang-Test / Mehr als zwei Stichproben: Friedman-ANOVA / Mehr als zwei Stichproben: Cochrans Q / Korrelation: Spearmans rs / Korrelation: Kendalls Tau / Eine Vorwarnung / Kapitel / / Einführung in die Wahrscheinlichkeitsrechnung / Was ist Wahrscheinlichkeit? / Experimente, Versuche, Ereignisse und Ergebnismengen / Ergebnismengen und Wahrscheinlichkeiten / Zusammengesetzte Ereignisse / Vereinigung und Schnitt / Schnitt, Wiederholung / Bedingte Wahrscheinlichkeit / Mit den Wahrscheinlichkeiten arbeiten / Die Grundlage der Hypothesentests / Große Ergebnismengen / Permutationen / Kombinationen / R-Funktionen für Zählregeln / Diskrete und stetige Zufallsvariablen / Wahrscheinlichkeitsverteilungen und Dichtefunktionen / Die Binomialverteilung / Binom und negatives Binom in R / Binomialverteilung / Negative Binomialverteilung / Hypothesentests mit der Binomialverteilung / Mehr über Hypothesentests: R vs. Tradition / / Kapitel / / Wahrscheinlichkeit trifft auf Regression: Logistische Regression / Beschaffung der Daten / Durchführung der Analyse / Ergebnisse visualisieren / / TEIL IV/ AUS DATEN LERNEN / Kapitel / / Tools und Daten für Projekte zum maschinellen Lernen / Das ML-Repository der UCI (University of California-Irvine) / Mit einem UCI-Datensatz arbeiten / Daten bereinigen / Erkundung der Daten / Kurzer Projektvorschlag: Dichtediagramme / Untersuchung von Beziehungen in den Daten / Grafiken im grundlegenden R / Die ggplot-Version / Das Rattle-Package - eine Einführung / Verwendung von Rattle für iris / Beschaffung und (weitere) Erkundung der Daten / Cluster in Daten finden / Kapitel / / Entscheidungen, Entscheidungen! / Komponenten des Entscheidungsbaums / Wurzeln und Blätter / Baumkonstruktion / Entscheidungsbäume in R / Lassen Sie den Baum in R gedeihen / Den Baum in R zeichnen / Entscheidungsbäume in Rattle / Den Baum erstellen / Die Ausgabe des Baums / Bewertung des Baums / Projekt: Ein komplexerer Entscheidungsbaum / Die Daten: Fahrzeugbewertung / Daten erkunden / Den Baum erstellen und ausgeben / Bewertung des Baums / Schneller Projektvorschlag: Das Verständnis des Komplexitätsparameters / Vorgeschlagenes Projekt: Titanic / Kapitel / / In den Wald - per Zufall / Das Wachsen eines Zufallswaldes / Zufallswälder in R / Aufbau des Waldes / Bewertung des Waldes / Ein genauerer Blick / Fehler bei der Ausgabe / Den Einfluss darstellen / Projekt: Glas identifizieren / Die Daten / Eingabe der Daten in Rattle / Die Daten erkunden / Der Zufallswald wächst / Visualisierung der Ergebnisse / Vorgeschlagenes Projekt: Pilze identifizieren / Kapitel / / Unterstützen Sie Ihren lokalen Vektor / Einige Daten, mit denen Sie arbeiten können / Eine Teilmenge verwenden / Eine Grenze festlegen / Stützvektoren verstehen / Trennbarkeit: Normalerweise nichtlinear / Stützvektor-Maschinen in R / Mit e / arbeiten / Training der SVM / Mitkernlabarbeiten / Projekt: Und wer sind Sie? / Einlesen der Daten / Erkundung der Daten / Erstellen der SVM / Auswertung der SVM / / Kapitel / / k-Means-Clustering / Wie das Ganze funktioniert / k-Means-Clustering in R / Daten einrichten und analysieren / Die Ausgabe verstehen / Die Cluster visualisieren / Die optimale Anzahl von Clustern ermitteln / Kurzer Projektvorschlag: Hinzufügen der Kelchblätter / Projekt: Glas-Cluster / Die Daten / Rattle starten und die Daten erkunden / Vorbereitung auf das Clustering / Das Clustering durchführen / Über Rattle hinaus / Kapitel / / Neuronale Netze / Netzwerke im Nervensystem / Künstliche neuronale Netze / Übersicht / Eingabeschicht und verborgene Schicht / Ausgabeschicht / Wie das Ganze funktioniert / Neuronale Netze in R / Ein neuronales Netz für den iris-Datenrahmen aufbauen / Das Netzwerk zeichnen / Das Netz bewerten / Kurzer Projektvorschlag: Die Kelchblätter / Projekt: Banknoten / Die Daten / Ein kurzer Blick in die Zukunft / Rattle einrichten / Das Netz bewerten / Über Rattle hinaus: Visualisierung des Netzwerks / Projektvorschläge: Mit Rattle experimentieren / / Kapitel / / Datenerforschung im Marketing / Analyse von Einzelhandelsdaten / Die Daten / RFM in R / Aufbereitung der Daten / Durchführung der Analyse / Die Ergebnisse prüfen / Ein Blick auf die Länder / Maschinelles Lernen / Mit k-Means-Clustering arbeiten / Mit Rattle arbeiten / Tiefer in die Cluster sehen / Cluster und Klassen / Kurzer Projektvorschlag / Projekt: Ein weiterer Datensatz / / Kapitel / / Aus der Stadt, die niemals schläft / Der Datensatz / Aufwärmen / Einblicke und Ausblicke / Piping, Filterung und Gruppierung / Visualisierung / Verknüpfungen / Kurzer Projektvorschlag: Namen von Fluggesellschaften / Projektvorschlag: Verzögerungen bei der Abreise / Eine Variable hinzufügen: Wochentag / Projektvorschlag: Analyse der Unterschiede zwischen den Wochentagen / Verspätung, Wochentag und Flughafen / Verspätung und Flugdauer / Projekt: Verspätung und Wetter / / TEIL V/ R IN DER PRAXIS: EINIGE PROJEKTE, DIE SIE AUF TRAB HALTEN / Kapitel / / Mit einem Browser arbeiten / Auf Hochglanz gebracht / Ihr erstes shiny-Projekt / Die Benutzeroberfläche / Der Server / Letzte Schritte / Reagieren / Mitggplotarbeiten / Den Server ändern / Ein paar weitere Änderungen / Reaktiv mit ggplot / Ein weiteres shiny-Projekt / Die Version in grundlegendem R / Die ggplot-Version / Projektvorschlag / Kapitel / / Dashboards verwenden / Das Package / Dashboard-Layouts / Erste Schritte mit der Benutzeroberfläche / Aufbau der Benutzeroberfläche: Boxen, Boxen, Boxen / Aufreihung in Spalten / Ein netter Trick: Registerkarten / Projektvorschlag: Statistiken hinzufügen / Projektvorschlag: valueBoxes in tabPanels platzieren / Mit der Seitenleiste arbeiten / Die Benutzeroberfläche / Der Server / Projektvorschlag: Verlegung des Schiebereglers / Interaktion mit Grafiken / Klicks, Doppelklicks und Markieren - behalten Sie den Überblick! / Wozu die Mühe? / Projektvorschlag: Experiment zur Luftqualität

Details

Verfasser*in: Suche nach Verfasser*in Schmuller, Joseph
Verfasser*innenangabe: Joseph Schmuller ; Übersetzung aus dem Amerikanischen von Judith Muhr
Jahr: 2023
Verlag: Weinheim, Wiley-VCH
opens in new tab
Systematik: Suche nach dieser Systematik NN.MNS
Suche nach diesem Interessenskreis
ISBN: 978-3-527-72129-0
2. ISBN: 3-527-72129-0
Beschreibung: 1. Auflage, 663 Seiten : Illustrationen, Diagramme
Schlagwörter: Datenanalyse, Maschinelles Lernen, R <Programm>, Algorithmisches Lernen, Automated learning, Data analysis, Data-analysis, Datenauswertung <Statistik>, Lernen <Künstliche Intelligenz>, Machine learning, Statistische Auswertung, Statistische Datenanalyse
Beteiligte Personen: Suche nach dieser Beteiligten Person Muhr, Judith [ÜbersetzerIn]
Sprache: Deutsch
Originaltitel: R all-in-one for dummies <dt.>
Mediengruppe: Buch