Hands-On Time Series Analysis with R

Olvasói vélemények

A könyv nagyra értékelt az R segítségével végzett idősorelemzés gyakorlati megközelítése miatt, amely világos magyarázatokat, vizuális segédleteket és a szerző saját kódját tartalmazza. Néhány felhasználó különösen hasznosnak találta a kezdők számára, míg mások a kód pontosságával és a nyomtatás minőségével kapcsolatos problémákat jegyeztek meg. Néhány kihívás ellenére a könyvet értékes forrásnak tartják a szakterületen.

Gyakorlati tapasztalatok és gyakorlati példák, jól szervezett és könnyen követhető, kezdők számára is alkalmas, tartalmazza a szerző saját kódját és eszközeit (TSstudio), vizuálisan magyarázott tartalom, értékes az adattudományi pályázathoz.

A kód tartalmaz hibákat, amelyek rontják a tanulási élményt, néhány felhasználó nehezen követhetőnek találta a szükséges kódjavítások miatt, a puha borítós változatban a nyomtatási minőséggel kapcsolatos problémák.

(12 olvasói vélemény alapján)

Könyv tartalma:

Hatékony előrejelzési modellek készítése hagyományos idősoros modellek és gépi tanulási algoritmusok segítségével. Főbb jellemzők Idősorelemzés és előrejelzés az R csomagok, például a Forecast és a h2o használatával Modellek fejlesztése és minták keresése a TSstudio és a plotly csomagok segítségével vizualizációk készítéséhez A statisztikák elsajátítása és idősoros módszerek végrehajtása az említett példák segítségével Könyv leírása

Az idősorelemzés az idősoros adatokból való értelmes meglátások kinyerésének és az idősoros adatokban lévő minták feltárásának művészete statisztikai és adatvizualizációs megközelítések segítségével. Ezeket a meglátásokat és mintákat azután felhasználhatjuk a múltbeli események feltárására és a sorozatok jövőbeli értékeinek előrejelzésére.

Ez a könyv az R segítségével végzett idősorelemzés alapjait tárja fel, és lefekteti az előrejelzési modellek készítéséhez szükséges alapokat. Megtanulja, hogyan dolgozza fel a nyers idősoradatokat, és hogyan tisztítsa és manipulálja az adatokat olyan csomagokkal, mint a stats, lubridate, xts és zoo. Az adatokat elemezni fogja, és értelmes információkat fog belőlük kinyerni mind a leíró statisztikák, mind az R gazdag adatvizualizációs eszközeinek, például a TSstudio, plotly és ggplot2 csomagoknak a segítségével. A könyv későbbi része a hagyományos előrejelzési modellekkel, például az idősoros lineáris regresszióval, az exponenciális simítással (Holt, Holt-Winter és más) és az ARIMA (Auto-Regressive Integrated Moving Average) modellekkel foglalkozik a stats és forecast csomagok segítségével. A h2o csomag segítségével olyan gépi tanulási algoritmusokkal, mint a Random Forest és a Gradient Boosting Machine fejlett idősoros regressziós modellekkel is foglalkozik.

A könyv végére Ön rendelkezik majd azokkal a készségekkel, amelyek szükségesek az adatok feltárásához, a minták azonosításához és egy előrejelzési modell létrehozásához különböző hagyományos és gépi tanulási módszerek segítségével. Amit megtanulhat Idősoros adatok vizualizálása és jobb meglátások levonása Az autokorreláció feltárása és a statisztikai technikák elsajátítása Idősorelemző eszközök használata a stats, TSstudio és forecast csomagokból Szezonális és korrelációs minták feltárása és azonosítása Munka különböző idősoros formátumokkal az R-ben Idősoros modellek, például ARIMA, Holt-Winters és más modellek feltárása Nagy teljesítményű előrejelzési megoldások értékelése Kinek szól ez a könyv?

A Hands-On Time Series Analysis with R ideális az adatelemzők, az adattudósok és minden olyan R-fejlesztő számára, aki idősorelemzést szeretne végezni az eredmények hatékony előrejelzése érdekében. Alapvető statisztikai ismeretek szükségesek; némi R-ismeret elvárt, de nem kötelező. Tartalomjegyzék Bevezetés az idősorelemzésbe és az R-be Dátum- és időobjektumokkal való munka Az idősorobjektum A zoo és xts objektumokkal való munka Az idősoradatok dekompozíciója Szezonalitáselemzés Korrelációelemzés Előrejelzési stratégiák Előrejelzés lineáris regresszióval Előrejelzés exponenciális simítási modellekkel Előrejelzés ARIMA-modellekkel Előrejelzés gépi tanulási modellekkel.