Bewertung:
Das Buch bietet eine umfassende und praktische Einführung in die Zeitreihenanalyse, leidet aber unter organisatorischen Problemen und einem Mangel an kohärenten Beispielen für verschiedene Programmiersprachen.
Vorteile:Gut organisierter und zugänglicher Schreibstil, praktische Anwendung von Konzepten, Abdeckung eines breiten Themenspektrums, gut für diejenigen mit etwas Programmierkenntnissen und starker Praxisrelevanz.
Nachteile:Die Verwendung von R und Python kann Leser, die nur mit einer Sprache vertraut sind, verwirren, die Organisation des Inhalts ist inkonsistent, einige Code-Beispiele sind schlecht geschrieben oder nicht ausführbar, und es wird behauptet, dass bestimmte Themen zu ausführlich und zu wenig ausführlich sind.
(basierend auf 25 Leserbewertungen)
Practical Time Series Analysis: Prediction with Statistics and Machine Learning
Die Analyse von Zeitreihendaten wird aufgrund der massiven Produktion solcher Daten durch das Internet der Dinge, die Digitalisierung des Gesundheitswesens und den Aufstieg von Smart Cities immer wichtiger. Da kontinuierliche Überwachung und Datenerfassung immer häufiger werden, wird der Bedarf an kompetenter Zeitreihenanalyse mit statistischen und maschinellen Lerntechniken steigen.
Dieser praktische Leitfaden deckt Innovationen in der Zeitreihendatenanalyse und Anwendungsfälle aus der Praxis ab und hilft Ihnen, die häufigsten Herausforderungen im Bereich der Datentechnik und -analyse in Zeitreihen zu lösen, wobei sowohl traditionelle statistische als auch moderne maschinelle Lerntechniken eingesetzt werden. Die Autorin Aileen Nielsen bietet eine leicht zugängliche, gut abgerundete Einführung in Zeitreihen in R und Python, die Datenwissenschaftlern, Softwareingenieuren und Forschern einen schnellen Einstieg ermöglicht.
Sie erhalten die Anleitung, die Sie benötigen, um sicher:
⬤ Zeitreihendaten zu finden und zu verarbeiten.
⬤ Explorative Zeitreihendatenanalyse durchführen.
⬤ Zeitliche Daten speichern.
⬤ Simulieren Sie Zeitreihendaten.
⬤ Generieren und Auswählen von Merkmalen für eine Zeitreihe.
⬤ Fehler messen.
⬤ Vorhersage und Klassifizierung von Zeitreihen mit maschinellem oder tiefem Lernen.
⬤ Bewertung von Genauigkeit und Leistung.
| ISBN: | 9781492041658 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 400 |
Derzeit verfügbar, auf Lager.
