نبذة عن الكتاب:

باستخدام لغة R مفتوحة المصدر ، يمكنك بناء نماذج إحصائية قوية للإجابة على العديد من الأسئلة الأكثر صعوبة. لقد كان من الصعب تقليديًا على غير الإحصائيين تعلم لغة R ، وتفترض معظم كتب R أن هناك قدرًا كبيرًا من المعرفة بحيث لا يمكن أن تساعد. R للجميع هو الحل.

بالاعتماد على خبرته غير المسبوقة في تعليم المستخدمين الجدد ، كتب عالم البيانات المحترف Jared P. Lander البرنامج التعليمي المثالي لأي شخص جديد في البرمجة الإحصائية والنمذجة. تم تنظيم هذا الدليل لجعل التعلم سهلاً وبديهيًا ، ويركز هذا الدليل على 20 بالمائة من وظائف R التي ستحتاجها لإنجاز 80 بالمائة من مهام البيانات الحديثة.

تبدأ فصول Lander القائمة بذاتها بالأساسيات المطلقة ، وتقدم تدريبًا عمليًا مكثفًا وعينة من التعليمات البرمجية. ستقوم بتنزيل R وتثبيته ؛ التنقل واستخدام بيئة R ؛ إتقان التحكم في البرنامج الأساسي واستيراد البيانات والمعالجة ؛ واجتياز العديد من الاختبارات الأساسية. بعد ذلك ، بناءً على هذا الأساس ، ستنشئ عدة نماذج كاملة ، خطية وغير خطية ، وتستخدم بعض تقنيات التنقيب عن البيانات.

بحلول الوقت الذي تنتهي فيه ، لن تعرف فقط كيفية كتابة برامج R ، وستكون جاهزًا لمعالجة المشكلات الإحصائية التي تهتم بها أكثر من غيرها.

يشمل التغطية

• استكشاف حزم R و RStudio و R

• استخدام R للرياضيات: أنواع المتغيرات والمتجهات ووظائف الاستدعاء والمزيد

• استغلال هياكل البيانات ، بما في ذلك إطارات البيانات والمصفوفات والقوائم

• إنشاء رسومات إحصائية جذابة وبديهية

• كتابة وظائف محددة من قبل المستخدم

• التحكم في تدفق البرنامج من خلال عمليات التحقق if ، ifelse ، والمعقدة

• تحسين كفاءة البرنامج من خلال التلاعب الجماعي

• الجمع بين مجموعات البيانات المتعددة وإعادة تشكيلها

• معالجة السلاسل باستخدام مرافق R والتعبيرات العادية

• إنشاء التوزيعات الاحتمالية العادية وذات الحدين والتوزيعات الاحتمالية

• برمجة الإحصاء الأساسي: المتوسط ​​والانحراف المعياري واختبارات t

• بناء النماذج الخطية والخطية المعممة وغير الخطية

• تقييم جودة النماذج واختيار المتغير

• منع فرط التجهيز باستخدام طريقة Elastic Net و Bayesian

• تحليل بيانات السلاسل الزمنية أحادية المتغير ومتعددة المتغيرات

• تجميع البيانات عبر K- الوسائل والتجميع الهرمي

• إعداد التقارير وعرض الشرائح وصفحات الويب باستخدام knitr

• بناء حزم R قابلة لإعادة الاستخدام مع devtools و Rcpp

• الانخراط مع المجتمع العالمي R

Using the open source R language, you can build powerful statistical models to answer many of your most challenging questions. R has traditionally been difficult for non-statisticians to learn, and most R books assume far too much knowledge to be of help. R for Everyone is the solution.

Drawing on his unsurpassed experience teaching new users, professional data scientist Jared P. Lander has written the perfect tutorial for anyone new to statistical programming and modeling. Organized to make learning easy and intuitive, this guide focuses on the 20 percent of R functionality you’ll need to accomplish 80 percent of modern data tasks.

Lander’s self-contained chapters start with the absolute basics, offering extensive hands-on practice and sample code. You’ll download and install R; navigate and use the R environment; master basic program control, data import, and manipulation; and walk through several essential tests. Then, building on this foundation, you’ll construct several complete models, both linear and nonlinear, and use some data mining techniques.

By the time you’re done, you won’t just know how to write R programs, you’ll be ready to tackle the statistical problems you care about most.

COVERAGE INCLUDES

• Exploring R, RStudio, and R packages

• Using R for math: variable types, vectors, calling functions, and more

• Exploiting data structures, including data.frames, matrices, and lists

• Creating attractive, intuitive statistical graphics

• Writing user-defined functions

• Controlling program flow with if, ifelse, and complex checks

• Improving program efficiency with group manipulations

• Combining and reshaping multiple datasets

• Manipulating strings using R’s facilities and regular expressions

• Creating normal, binomial, and Poisson probability distributions

• Programming basic statistics: mean, standard deviation, and t-tests

• Building linear, generalized linear, and nonlinear models

• Assessing the quality of models and variable selection

• Preventing overfitting, using the Elastic Net and Bayesian methods

• Analyzing univariate and multivariate time series data

• Grouping data via K-means and hierarchical clustering

• Preparing reports, slideshows, and web pages with knitr

• Building reusable R packages with devtools and Rcpp

• Getting involved with the R global community