QCA方法從入門到精通：基於R語言 Qca with R: A Comprehensive Resource
Adrian Dua 杜運周等譯譯
- 出版商: 機械工業
- 出版日期: 2021-02-01
- 定價: $474
- 售價: 7.5 折 $356
- 語言: 簡體中文
- 頁數: 284
- 裝訂: 平裝
- ISBN: 7111675215
- ISBN-13: 9787111675211
-
相關分類:
R 語言
- 此書翻譯自: Qca with R: A Comprehensive Resource
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
程序員的數學3 : 線性代數$474$450 -
$403R語言實戰: 機器學習與數據分析 -
$352Python 社會媒體挖掘 (Mastering Social Media Mining with Python) -
$454跟著迪哥學Python數據分析與機器學習實戰 -
$449機器學習 — 原理、算法與應用 -
Python 金融分析, 2/e (Python for Finance, 2/e)$980$774 -
機器學習線性代數基礎 (Python 語言描述)$294$279 -
機器學習精講 (全彩印刷)(The Hundred-Page Machine Learning Book)$414$393 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$493 -
Python 極簡講義：一本書入門數據分析與機器學習$768$730 -
寫給大家的統計學｜秒懂機率與統計，你也可以是人生勝利組 (Bayesian Statistics the Fun Way: Understanding Statistics and Probability with Star Wars, Lego, and Rubber Ducks)$480$379 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
圖解AI｜機器學習和深度學習的技術與原理$450$338 -
機器學習的數學$556$523 -
$658斯坦福數據挖掘教程, 3/e (Mining of Massive Datasets, 3/e) -
$454文本數據挖掘基於R語言 -
金融AI｜人工智慧的金融應用$880$695 -
機器學習與 R語言 (Machine Learning with R, 3/e)$594$564
相關主題
商品描述
QCA方法改變了人們長期理所當然的分析範式，用整體視角和組態思維幫助人們認識復雜現實，探索一個更加豐富的復雜世界。
為什麽要用R語言來學習QCA方法？在R語言環境下，開發者和使用者都可以根據需求對QCA軟件包的功能等進行迭代和升級；易於保存分析過程及其編碼，這使科學結果復現變得更加容易；有助於方法原創，解決方法技術上的“瓶頸”問題。
本書已不僅僅是用戶指南，也不是完全的理論材料，而是R語言環境下的QCA分析手冊。本書採用了大量的圖形用戶界面，提供了一種更友好的方式來學習如何使用命令，但這不能、更不是為了替代R語言的命令行。
本書的讀者既可以是對R感興趣的QCA專家，也可以是對QCA感興趣的R專家，還可以是最常見的情況：既不是QCA專家也不是R專家。
作者簡介
作者簡介.阿德里安•杜薩（Adrian Duşa），羅馬尼亞布加勒斯特大學社會學系教授，比較方法專家組織COMPASSS諮詢委員會和指導委員會的成員。
主要研究興趣是QCA方法、最小化算法的編程等，發表了大量有關方法的文章，曾編寫並向CRAN提交R包，其中兩個包專門用於QCA，還有另一個名為“venn”的包，可以繪製多達7個集合的韋恩圖，該包可與QCA一起使用。
目錄大綱
譯者序
前 言
第1章 R語言基礎 /1
1.1 工作目錄 /3
1.2 工作空間 /4
1.3 對象類型 /5
1.4 數學與邏輯運算 /8
1.5 索引與子集 /10
1.6 數據強制 /13
1.7 用戶界面 /15
1.8 運行腳本文件 /17
第２章 QCA包 /19
2.1 安裝QCA包 /19
2.2 結構 /20
2.3 命令行模式 /22
2.3.1 獲取幫助 /23
2.3.2 函數參數 /23
2.4 圖形用戶界面 /26
2.4.1 描述 /27
2.4.2 啟動圖形用戶界面 /28
2.4.3 創建一個可執行圖標 /30
2.4.4 命令構造 /32
2.4.5 R網頁控制台 /34
2.4.6 圖形 /35
2.4.7 數據編輯器 /39
2.4.8 導入、導出和加載數據 /41
第3章 集合理論 /47
3.1 二進制系統和布爾代數 /48
3.2 集合的類型 /48
3.2.1 二元清晰集 /49
3.2.2 多值清晰集 /50
3.2.3 模糊集 /52
3.3 集合運算 /53
3.3.1 非集 /53
3.3.2 邏輯撚霐 /54
3.3.3 邏輯摶驍 /57
3.4 復雜運算 /59
第4章 校準 /62
4.1 校準為清晰集 /64
4.2 校準為模糊集 /71
4.2.1 直接賦值 /73
4.2.2 直接方法，“S形”函數 /75
4.2.3 Logistic函數是如何工作的 /86
4.2.4 直接方法，“鐘形”函數 /88
4.2.5 間接方法 /92
4.3 校準分類數據 /95
第5章 必要性分析 /100
5.1 概念描述 /100
5.2 隸屬與一致性 /105
5.3 覆蓋度與切題性 /110
5.4 合取和析取的必要性 /118
5.5 探索可能的必要性關系 /120
第6章 充分性分析 /124
6.1 概念描述 /125
6.2 隸屬與一致性 /128
6.3 PRI分數 /131
6.4 覆蓋度：原始和唯一 /133
第7章 真值表 /136
7.1 概述 /136
7.2 命令行和GUI對話框 /140
7.3 從模糊集到清晰集真值表 /143
7.4 計算一致性分數 /147
7.5 輸出值 /149
7.6 其他細節 /153
第8章 邏輯最小化 /155
8.1 命令行和GUI對話框 /156
8.2 保守（復雜）解 /159
8.3 解釋什麽 /162
8.4 簡約解 /166
8.5 關於復雜性的註釋 /170
8.6 反事實的類型 /172
8.7 中間解：SA和ESA /176
8.8 理論評價 /185
第9章 偽-反事實分析 /189
9.1 eQMC /190
9.2 一致性多維數據集 /195
9.3 包含VS.排除 /199
第10章 QCA擴展 /201
10.1 QCA的時間性 /201
10.2 一致性分析：CNA /205
10.3 面板/集群數據 /217
10.4 穩健性檢驗 /221
第11章 其他功能 /232
11.1 布爾表達式 /233
11.2 非集的表達 /238
11.3 因式分解表達式 /240
11.4 更多擬合參數 /242
11.5 XY 圖 /245
11.6 維恩圖 /252
11.7 自定義標簽 /260
參考文獻 /262
