Recenzii ale cititorilor
În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.
Titlul original:
Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning
Conținutul cărții:
Secțiunea 1: Metode parametriceCapitolul 1: Introducere în regresia liniară simplăObiectivul capitolului: Introduce cititorul în regresia parametrică și înțelege ipotezele de bază ale regresiei. Subteme- Ipoteze de regresie. - Detectarea valorilor lipsă. - Analiza descriptivă. - Înțelegerea corelației. o Trasarea matricei de corelație Pearson. - Determinarea covarianței. o Reprezentarea matricei de covarianță. - Crearea și remodelarea array-urilor. - Împărțirea datelor în date de antrenament și date de test. - Normalizarea datelor. - Găsirea celor mai buni hiperparametri pentru un model. - Construiți propriul model. - Analizați performanța modelului. o Eroare medie absolută. o Eroare medie pătratică. o Eroare medie pătratică. o R pătrat. o Reprezentarea valorilor reale vs. valorile prezise. - Diagnostic rezidual. o Grafic Q-Q normal. o Grafic de influență Cook's D. o Reprezentarea grafică a valorilor previzionate vs. valorile reziduale. o Reprezentarea grafică a valorilor ajustate vs. valorile reziduale. o Reprezentarea grafică a valorilor pârghiei vs. valorile reziduale. o Reprezentarea grafică a valorilor ajustate vs. valorile reziduale studiate. o Reprezentarea grafică a valorilor pârghiei vs. valorile reziduale studiate.
Capitolul 2: Metode parametrice avansateObiectivul capitolului: evidențiază metodele de abordare a problemei subadaptării și supraadaptării. Subiecte - Problema coliniarității multiple. - Explorarea metodelor de abordare a problemei subadaptării și supraadaptării. - Înțelegerea modelelor de regresie Ridge, RidgeCV și Lasso. - Găsirea celor mai buni hiperparametri pentru un model. - Construirea de modele regularizate. - Compararea performanțelor diferitelor metode de regresie. o Eroare medie absolută. o Eroare medie pătratică. o Eroare medie pătratică. o R pătratic. o Reprezentarea grafică a valorilor reale vs. valorile prezise.
Capitolul 3: Analiza seriilor de timpObiectivul capitolului: Cuprinde un model pentru identificarea tendințelor și modelelor în datele secvențiale și modul de prognozare a unei serii. - Ce este analiza seriilor cronologice? - Ipoteze de bază ale analizei seriilor cronologice. - Diferite tipuri de modele de analiză a seriilor temporale. - Modelul ARIMA. - Testul de staționare. o Efectuarea unui test ADF Fuller. - Test de zgomot alb. - Test de corelație. o Reprezentați grafic Lag Plot. o Reprezentați grafic Lag vs Autocorelație Plot. o Reprezentați grafic ACF. o Reprezentați grafic PACF. - Înțelegeți tendințele, sezonalitatea și tendințele. o Reprezentați grafic componentele sezoniere. - Netezirea unei serii cronologice cu ajutorul tehnicilor Moving Average, Standard Deviation și Exponential. o Reprezentați grafic seria cronologică netezită. - Determinarea ratei de rentabilitate și a ratei variabile de rentabilitate. - Determinarea parametrilor modelului ARIMA. - Construiți modelul ARIMA. - Prognoza ARIMA. o Reprezentați grafic prognoza. - Diagnostic rezidual.
Capitolul 4: Serii temporale de înaltă calitateObiectivul capitolului: Explorează Prophet pentru o prognoză mai bună a seriilor. - Diferența dintre statsmodel și Prophet. - Înțelegerea componentelor din Prophet. - Preprocesarea datelor. - Dezvoltarea unui model folosind Prophet. - Prognoza unei serii. o Reprezentarea pe grafic a previziunilor. o Reprezentarea pe grafic a componentelor sezoniere. - Evaluarea performanței modelului folosind Prophet. Capitolul 4: Regresia logisticăObiectivul capitolului: Prezintă cititorului regresia logistică - un model de clasificare puternic. Subiecte - Găsirea valorilor lipsă.
