Olvasói vélemények
Összegzés:A könyvet nagyra értékelik áttekinthetősége és gyakorlati példái miatt, így az R és a statisztikai technikák új ismerői számára is hozzáférhetővé válik. Néhány olvasó azonban azt remélte, hogy mélyebben elmélyülhet az olyan speciális témákban, mint a multikollinearitás és a fejlett könyvtárak használata.
Előnyök:⬤ Hasznos példák és világos magyarázatok
⬤ az R-t korlátozottan ismerő kezdők számára is hozzáférhető
⬤ széles körben használt statisztikai technikákat tárgyal
⬤ jó alapozó forrásként szolgál.
Hátrányok:Hiányzik a multikollinearitással kapcsolatos mélység; nem tárgyalja a tidyverse könyvtárat a fejlett regresszióelemzéshez.
(3 olvasói vélemény alapján)
Eredeti címe:
Regression Analysis with R
Könyv tartalma:
Hatékony regressziós modellek építése R-ben, hogy értékes információkat nyerjen valós adatokból Főbb jellemzők Különböző regressziós elemzési technikák alkalmazása az adattudomány gyakori problémáinak megoldására - az adatfeltárástól a hiányzó értékek kezeléséig Az egyszerű lineáris regressziótól a logisztikus regresszióig - ez a könyv az összes regressziós technikát és azok R-ben történő megvalósítását tartalmazza Teljes körű útmutató hatékony regressziós modellek építéséhez R-ben és az eredmények értelmezéséhez, hogy értékes előrejelzéseket lehessen készíteni Könyv leírása
A regresszióelemzés olyan statisztikai eljárás, amely lehetővé teszi a változók közötti kapcsolatok előrejelzését. Az előrejelzések az egyik változónak egy másikra gyakorolt véletlenszerű hatásán alapulnak. A modellezésre és elemzésre szolgáló regressziós technikákat nagy adathalmazon alkalmazzák a változók közötti rejtett kapcsolatok feltárása érdekében.
Ebben a könyvben megismerheti, hogy mi a regresszióelemzés, és az alapoktól kezdve elmagyarázza a folyamatot. Az első néhány fejezet megérteti, hogy mik a különböző típusú tanulási módok - felügyelt és felügyelet nélküli, hogyan különböznek ezek a tanulási módok egymástól. Ezután áttérünk a felügyelt tanulás részletes tárgyalására, kitérve a regresszióelemzés különböző aspektusaira. A fejezetek vázlata úgy van elrendezve, hogy érzékeltesse az adattudományi folyamat során lefedett összes lépést - a képzési adathalmaz betöltése, a hiányzó értékek kezelése, EDA az adathalmazon, transzformációk és feature engineering, modellépítés, a modellillesztés és a teljesítmény értékelése, végül előrejelzések készítése nem látott adathalmazokon. Minden fejezet az elméleti fogalmak magyarázatával kezdődik, és miután az olvasó megbarátkozott az elmélettel, áttérünk a gyakorlati példákra a megértés alátámasztására. A gyakorlati példákat R-kóddal illusztráljuk, beleértve az R különböző csomagjait, mint például az R Stats, Caret és így tovább. Minden fejezet az elmélet és a gyakorlati példák keveréke.
A könyv végére megismeri a regresszióelemzéssel kapcsolatos összes fogalmat és fájdalmas pontot, és képes lesz arra, hogy a tanultakat a projektjeiben alkalmazza. Amit megtanulhat Elindul az adattudomány útján az egyszerű lineáris regresszió segítségével Kezelje a kölcsönhatást, a kollinearitást és egyéb problémákat a többszörös lineáris regresszió segítségével Értse meg a diagnosztikát, és hogy mit tegyen, ha a feltételezések nem sikerülnek a megfelelő elemzéssel Töltse be az adatállományt, kezelje a hiányzó értékeket, és ábrázolja az összefüggéseket feltáró adatelemzéssel Tökéletes modell kialakítása a túlillesztés, alulillesztés és keresztvalidálás figyelembevételével Osztályozási problémák kezelése logisztikus regresszió alkalmazásával Fedezzen fel más regressziós technikákat - döntési fák, zsákolás és Boosting technikák Tanulja meg mindezt a gyakorlatban egy valós esettanulmány segítségével. Kinek szól ez a könyv
Ez a könyv olyan kezdő adattudósoknak és adatelemzőknek szól, akik regresszióelemzési technikákat szeretnének alkalmazni az R segítségével. Ha érdekel a statisztika, az adattudomány, a gépi tanulás, és szeretnél egy könnyű bevezetést kapni a témába, akkor erre a könyvre van szükséged! Alapvető statisztikai és matematikai ismeretek segítenek abban, hogy a legtöbbet hozza ki a könyvből. Némi programozási tapasztalat az R-rel szintén hasznos lesz Tartalomjegyzék A regresszióval való kezdés Alapfogalmak - Egyszerű lineáris regresszió Több mint egy prediktor - MLR Logisztikus regresszió Adatelőkészítés A túlillesztési problémák elkerülése - Az általánosítás elérése Továbblépés a regressziós modellekkel A linearitáson túl - Amikor a görbület sokkal jobb A regresszióelemzés a gyakorlatban
