Bewertung:
Das Buch wird für seine Klarheit und die praktischen Beispiele gelobt, die es auch für diejenigen zugänglich machen, die neu in R und statistische Techniken einsteigen. Einige Leser hätten sich jedoch mehr Tiefe bei bestimmten Themen wie Multikollinearität und der Verwendung fortgeschrittener Bibliotheken gewünscht.
Vorteile:⬤ Hilfreiche Beispiele und klare Erklärungen
⬤ auch für Anfänger mit begrenzten R-Kenntnissen zugänglich
⬤ deckt weit verbreitete statistische Techniken ab
⬤ dient als gutes Grundlagenwerk.
Mangelnde Tiefe bei Multikollinearität; geht nicht auf die tidyverse-Bibliothek für fortgeschrittene Regressionsanalysen ein.
(basierend auf 3 Leserbewertungen)
Regression Analysis with R
Erstellen Sie effektive Regressionsmodelle in R, um wertvolle Erkenntnisse aus realen Daten zu gewinnen Hauptmerkmale Implementieren Sie verschiedene Regressionsanalysetechniken, um gängige Probleme in der Datenwissenschaft zu lösen - von der Datenexploration bis zum Umgang mit fehlenden Werten Von der einfachen linearen Regression bis zur logistischen Regression - dieses Buch deckt alle Regressionstechniken und ihre Implementierung in R ab Eine vollständige Anleitung zum Erstellen effektiver Regressionsmodelle in R und zur Interpretation der Ergebnisse, um wertvolle Vorhersagen zu treffen Buchbeschreibung
Die Regressionsanalyse ist ein statistisches Verfahren, das die Vorhersage von Beziehungen zwischen Variablen ermöglicht. Die Vorhersagen basieren auf der zufälligen Wirkung einer Variablen auf eine andere. Regressionstechniken zur Modellierung und Analyse werden bei großen Datenmengen eingesetzt, um verborgene Beziehungen zwischen den Variablen aufzudecken.
Dieses Buch gibt Ihnen einen Überblick darüber, was Regressionsanalyse ist, und erklärt Ihnen den Prozess von Grund auf. Die ersten Kapitel vermitteln ein Verständnis für die verschiedenen Arten des Lernens - überwachtes und unüberwachtes Lernen - und wie sich diese voneinander unterscheiden. Anschließend wird das überwachte Lernen im Detail behandelt, wobei die verschiedenen Aspekte der Regressionsanalyse abgedeckt werden. Die Gliederung der Kapitel ist so angelegt, dass sie ein Gefühl für alle Schritte vermittelt, die in einem Data-Science-Prozess abgedeckt werden - Laden des Trainingsdatensatzes, Umgang mit fehlenden Werten, EDA auf dem Datensatz, Transformationen und Feature-Engineering, Modellerstellung, Bewertung der Modellanpassung und -leistung und schließlich Vorhersagen auf ungesehenen Datensätzen. Jedes Kapitel beginnt mit der Erläuterung der theoretischen Konzepte. Sobald der Leser mit der Theorie vertraut ist, gehen wir zu den praktischen Beispielen über, um das Verständnis zu unterstützen. Die praktischen Beispiele werden anhand von R-Code veranschaulicht, einschließlich der verschiedenen Pakete in R wie R Stats, Caret usw. Jedes Kapitel besteht aus einer Mischung aus Theorie und praktischen Beispielen.
Am Ende dieses Buches werden Sie alle Konzepte und Probleme im Zusammenhang mit der Regressionsanalyse kennen und in der Lage sein, das Gelernte in Ihren Projekten umzusetzen. Was Sie lernen werden Beginnen Sie die Reise der Datenwissenschaft mit der einfachen linearen Regression Behandeln Sie Interaktion, Kollinearität und andere Probleme mit der multiplen linearen Regression Verstehen Sie die Diagnostik und was zu tun ist, wenn die Annahmen mit der richtigen Analyse scheitern Laden Sie Ihren Datensatz, behandeln Sie fehlende Werte, Entwicklung eines perfekten Modells unter Berücksichtigung von Überanpassung, Unteranpassung und Kreuzvalidierung Bewältigung von Klassifizierungsproblemen durch Anwendung der logistischen Regression Erkundung anderer Regressionstechniken - Entscheidungsbäume, Bagging- und Boosting-Techniken Lernen Sie alles anhand einer realen Fallstudie in der Praxis. Für wen dieses Buch bestimmt ist
Dieses Buch richtet sich an angehende Datenwissenschaftler und Datenanalysten, die Techniken der Regressionsanalyse mit R implementieren wollen. Wenn Sie sich für Statistik, Datenwissenschaft und maschinelles Lernen interessieren und einen einfachen Einstieg in das Thema suchen, dann ist dieses Buch genau das Richtige für Sie! Grundlegende Kenntnisse in Statistik und Mathematik werden Ihnen helfen, das Buch optimal zu nutzen. Etwas Programmiererfahrung mit R ist ebenfalls hilfreich Inhaltsverzeichnis Erste Schritte mit der Regression Grundlegende Konzepte - Einfache lineare Regression Mehr als nur ein Prädiktor - MLR Logistische Regression Datenaufbereitung Probleme mit Überanpassung vermeiden - Generalisierung erreichen Weiter mit Regressionsmodellen Jenseits der Linearität - Wenn Kurven viel besser sind Regressionsanalyse in der Praxis
| ISBN: | 9781788627306 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
