توضیحات
Drawing on the authors two decades of experience in applied modeling and data mining, Foundations of Predictive Analytics presents the fundamental background required for analyzing data and building models for many practical applications, such as consumer behavior modeling, risk and marketing analytics, and other areas. It also discusses a variety of practical topics that are frequently missing from similar texts.
The book begins with the statistical and linear algebra/matrix foundation of modeling methods, from distributions to cumulant and copula functions to CornishFisher expansion and other useful but hard-to-find statistical techniques. It then describes common and unusual linear methods as well as popular nonlinear modeling approaches, including additive models, trees, support vector machine, fuzzy systems, clustering, nave Bayes, and neural nets. The authors go on to cover methodologies used in time series and forecasting, such as ARIMA, GARCH, and survival analysis. They also present a range of optimization techniques and explore several special topics, such as DempsterShafer theory.
An in-depth collection of the most important fundamental material on predictive analytics, this self-contained book provides the necessary information for understanding various techniques for exploratory data analysis and modeling. It explains the algorithmic details behind each technique (including underlying assumptions and mathematical formulations) and shows how to prepare and encode data, select variables, use model goodness measures, normalize odds, and perform reject inference.
Web Resource
The books website at www.DataMinerXL.com offers the DataMinerXL software for building predictive models. The site also includes more examples and information on modeling.
————————————————————–
ترجمه ماشینی :
با تکیه بر دو دهه تجربه نویسندگان در مدل سازی کاربردی و داده کاوی، مبانی تحلیل پیش بینی کننده زمینه اساسی مورد نیاز برای تجزیه و تحلیل داده ها و ساخت مدل ها برای بسیاری از کاربردهای عملی، مانند مدل سازی رفتار مصرف کننده را ارائه می دهد. ، تجزیه و تحلیل ریسک و بازاریابی و سایر زمینه ها. همچنین در مورد موضوعات کاربردی مختلفی بحث می کند که اغلب در متون مشابه وجود ندارد.
این کتاب با مبانی جبر/ماتریس آماری و خطی روشهای مدلسازی، از توزیعها گرفته تا توابع تجمعی و کوپولا تا بسط CornishFisher و سایر آمارهای مفید اما سختپیدا آغاز میشود. تکنیک. سپس روشهای خطی معمول و غیرمعمول و همچنین روشهای مدلسازی غیرخطی محبوب، از جمله مدلهای افزایشی، درختان، ماشین بردار پشتیبان، سیستمهای فازی، خوشهبندی، ناو بیز و شبکههای عصبی را توصیف میکند. نویسندگان در ادامه روشهای مورد استفاده در سریهای زمانی و پیشبینی را پوشش میدهند، مانند ARIMA، GARCH، و تجزیه و تحلیل بقا. آنها همچنین طیف وسیعی از تکنیکهای بهینهسازی را ارائه میکنند و چندین موضوع خاص مانند نظریه DempsterShafer را بررسی میکنند.
مجموعهای عمیق از مهمترین مطالب بنیادی در تحلیل پیشبینیکننده، این خود کتاب حاوی اطلاعات لازم برای درک تکنیک های مختلف برای تحلیل و مدل سازی داده های اکتشافی را ارائه می دهد. جزئیات الگوریتمی پشت هر تکنیک (از جمله مفروضات اساسی و فرمولبندیهای ریاضی) را توضیح میدهد و نحوه تهیه و کدگذاری دادهها، انتخاب متغیرها، استفاده از معیارهای خوب بودن مدل، عادیسازی شانس و انجام استنتاج رد را نشان میدهد.
وب سایت کتاب در www.DataMinerXL.com نرم افزار DataMinerXL را برای ساخت مدل های پیش بینی ارائه می دهد. این سایت همچنین شامل نمونه ها و اطلاعات بیشتری در مورد مدل سازی است.
tag : دانلود کتاب مبانی تجزیه و تحلیل پیش بینی , Download مبانی تجزیه و تحلیل پیش بینی , دانلود مبانی تجزیه و تحلیل پیش بینی , Download Foundations of predictive analytics Book , مبانی تجزیه و تحلیل پیش بینی دانلود , buy مبانی تجزیه و تحلیل پیش بینی , خرید کتاب مبانی تجزیه و تحلیل پیش بینی , دانلود کتاب Foundations of predictive analytics , کتاب Foundations of predictive analytics , دانلود Foundations of predictive analytics , خرید Foundations of predictive analytics , خرید کتاب Foundations of predictive analytics ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.