Bewertung:
Das Buch „Applied Predictive Modeling“ bietet einen praktischen Leitfaden für prädiktive Modellierungstechniken mit R, der sich auf reale Anwendungen und praktische Beispiele konzentriert. Obwohl es aufgrund seiner Klarheit, seines praktischen Schwerpunkts und der umfassenden Abdeckung verschiedener Modelle gut aufgenommen wird, wird darauf hingewiesen, dass das Buch nicht für absolute Anfänger geeignet ist. Es hält ein Gleichgewicht zwischen theoretischen Diskussionen und praktischer Umsetzung, obwohl einige Leser die Trennung von Theorie und Praxis als mühsam empfanden.
Vorteile:⬤ Starker Praxisbezug mit zahlreichen Beispielen und Fallstudien aus der Praxis.
⬤ Klarer Schreibstil, der komplexe Themen leichter zugänglich macht.
⬤ Umfassende Behandlung von Preprocessing, Modellabstimmung und Bewertungstechniken.
⬤ Bietet reproduzierbaren R-Code für alle Beispiele, um das praktische Lernen zu verbessern.
⬤ Nützliche Übungen und Verweise für das weitere Studium.
⬤ Gut strukturierte Kapitel mit einer kohärenten Abfolge von Themen.
⬤ Nicht für absolute Anfänger empfohlen; einige Vorkenntnisse in R und prädiktiver Modellierung werden vorausgesetzt.
⬤ Die Trennung von theoretischen und rechnerischen Abschnitten kann den Lernfluss stören.
⬤ Einigen Abschnitten fehlt es an Tiefe, sie wirken zu knapp oder skizzenhaft.
⬤ Konzentriert sich hauptsächlich auf bestimmte Disziplinen, was die Attraktivität für Leser aus anderen Bereichen möglicherweise einschränkt.
(basierend auf 117 Leserbewertungen)
Applied Predictive Modeling
Applied Predictive Modeling deckt den gesamten Prozess der prädiktiven Modellierung ab, beginnend mit den entscheidenden Schritten der Datenvorverarbeitung, der Datenaufteilung und den Grundlagen der Modellabstimmung. Anschließend werden zahlreiche gängige und moderne Regressions- und Klassifikationstechniken intuitiv erklärt, wobei der Schwerpunkt stets auf der Veranschaulichung und Lösung realer Datenprobleme liegt. Der Text veranschaulicht alle Teile des Modellierungsprozesses anhand vieler praktischer, realer Beispiele, und jedes Kapitel enthält umfangreichen R-Code für jeden Schritt des Prozesses.
Dieser vielseitig einsetzbare Text kann als Einführung in prädiktive Modelle und den gesamten Modellierungsprozess, als Nachschlagewerk für Praktiker oder als Text für fortgeschrittene Kurse zur prädiktiven Modellierung im Grundstudium oder im Hauptstudium verwendet werden. Zu diesem Zweck enthält jedes Kapitel Problemstellungen, die helfen, die behandelten Konzepte zu festigen, und verwendet Daten, die im R-Paket des Buches verfügbar sind.
Dieser Text richtet sich an ein breites Publikum und bietet sowohl eine Einführung in Vorhersagemodelle als auch eine Anleitung zu deren Anwendung. Nicht-mathematische Leser werden die intuitiven Erklärungen der Techniken zu schätzen wissen, während der Schwerpunkt auf der Problemlösung mit realen Daten in einer Vielzahl von Anwendungen Praktiker unterstützt, die ihr Fachwissen erweitern möchten. Die Leser sollten über Kenntnisse grundlegender statistischer Konzepte wie Korrelation und lineare Regressionsanalyse verfügen. Auch wenn der Text keine komplexen Gleichungen enthält, ist für fortgeschrittene Themen ein mathematischer Hintergrund erforderlich.
| ISBN: | 9781461468486 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 600 |
Derzeit verfügbar, auf Lager.
