Bewertung:
Das Buch wird für seine praktische Herangehensweise an die Zeitreihenanalyse mit R, die klare Erklärungen, visuelle Hilfen und den eigenen Code des Autors enthält, sehr geschätzt. Einige Benutzer hielten es für besonders nützlich für Anfänger, während andere Probleme mit der Genauigkeit des Codes und der Druckqualität feststellten. Trotz einiger Probleme wird das Buch als wertvolle Ressource in diesem Bereich angesehen.
Vorteile:Praktische Erfahrung und praktische Beispiele, gut organisiert und leicht nachvollziehbar, für Anfänger geeignet, enthält den eigenen Code und die Tools des Autors (TSstudio), visuell erklärter Inhalt, wertvoll für Bewerbungen in der Datenwissenschaft.
Nachteile:Der Code enthält Fehler, die die Lernerfahrung beeinträchtigen, einige Benutzer fanden es schwer zu folgen, da Code-Korrekturen erforderlich sind, Probleme mit der Druckqualität in der Softcover-Version.
(basierend auf 12 Leserbewertungen)
Hands-On Time Series Analysis with R
Erstellen Sie effiziente Prognosemodelle mit traditionellen Zeitreihenmodellen und Algorithmen des maschinellen Lernens. Hauptmerkmale Führen Sie Zeitreihenanalysen und -prognosen mit R-Paketen wie Forecast und h2o durch Entwickeln Sie Modelle und finden Sie Muster, um Visualisierungen mit den Paketen TSstudio und plotly zu erstellen Beherrschen Sie Statistiken und implementieren Sie Zeitreihenmethoden anhand von Beispielen Buchbeschreibung
Bei der Zeitreihenanalyse handelt es sich um die Kunst, mithilfe von statistischen und Datenvisualisierungsansätzen aussagekräftige Erkenntnisse aus Zeitreihendaten zu gewinnen und Muster darin zu erkennen. Diese Erkenntnisse und Muster können dann genutzt werden, um vergangene Ereignisse zu erforschen und zukünftige Werte in den Reihen vorherzusagen.
Dieses Buch erforscht die Grundlagen der Zeitreihenanalyse mit R und legt die Grundlagen, die Sie für die Erstellung von Prognosemodellen benötigen. Sie lernen, wie Sie rohe Zeitreihendaten vorverarbeiten und Daten mit Paketen wie stats, lubridate, xts und zoo bereinigen und manipulieren können. Sie werden Daten analysieren und aussagekräftige Informationen daraus extrahieren, indem Sie sowohl deskriptive Statistiken als auch umfangreiche Datenvisualisierungswerkzeuge in R wie die Pakete TSstudio, plotly und ggplot2 verwenden. Im weiteren Verlauf des Buches werden traditionelle Prognosemodelle wie lineare Zeitreihenregression, exponentielle Glättung (Holt, Holt-Winter und andere) und ARIMA-Modelle (Auto-Regressive Integrated Moving Average) mit den Paketen stats und forecast behandelt. Sie werden auch fortgeschrittene Zeitreihenregressionsmodelle mit Algorithmen des maschinellen Lernens wie Random Forest und Gradient Boosting Machine unter Verwendung des Pakets h2o kennenlernen.
Am Ende dieses Buches werden Sie über die notwendigen Fähigkeiten verfügen, um Ihre Daten zu untersuchen, Muster zu erkennen und ein Prognosemodell mit verschiedenen traditionellen und maschinellen Lernmethoden zu erstellen. Was Sie lernen werden Visualisieren Sie Zeitreihendaten und gewinnen Sie bessere Einsichten Erforschen Sie die Autokorrelation und beherrschen Sie statistische Techniken Verwenden Sie Zeitreihenanalysewerkzeuge aus den Paketen stats, TSstudio und forecast Erforschen und identifizieren Sie saisonale und Korrelationsmuster Arbeiten Sie mit verschiedenen Zeitreihenformaten in R Erforschen Sie Zeitreihenmodelle wie ARIMA, Holt-Winters und mehr Bewerten Sie leistungsstarke Prognoselösungen Für wen ist dieses Buch?
Hands-On Time Series Analysis with R ist ideal für Datenanalysten, Datenwissenschaftler und alle R-Entwickler, die eine Zeitreihenanalyse durchführen möchten, um Ergebnisse effektiv vorherzusagen. Grundlegende Kenntnisse der Statistik sind erforderlich; einige Kenntnisse in R werden erwartet, sind aber nicht zwingend erforderlich. Inhaltsverzeichnis Einführung in die Zeitreihenanalyse und R Arbeiten mit Datums- und Zeitobjekten Das Zeitreihenobjekt Arbeiten mit zoo- und xts-Objekten Zerlegung von Zeitreihendaten Saisonalitätsanalyse Korrelationsanalyse Vorhersagestrategien Vorhersage mit linearer Regression Vorhersage mit Exponentialglättungsmodellen Vorhersage mit ARIMA-Modellen Vorhersage mit maschinellen Lernmodellen
| ISBN: | 9781788629157 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
