Прогнозное моделирование в IBM SPSS Statistics, R и Python Метод деревьев решений и случайный лес
Описание и характеристики
• Строительство и интерпретация дерева решений и случайного леса
• Оценка дискриминирующей способности полученных моделей
• Улучшение модели дерева с помощью процедуры обрезки ветвей (прунинга)
• Оптимизация модели логистической регрессии, используя информацию дерева и случайного леса
• Навыки оптимального конструирования признаков
• Улучшение модели случайного леса с помощью автоматической автоматизации параметров
• Применение правил классификации/прогноза, полученных с помощью дерева, к новым данным
Второе издание книги дополнено главами о применении методов машинного обучения на базе Python. Данная книга представляет собой практическое руководство по применению метода деревьев решений и случайного леса для задач сегментации, классификации и прогнозирования. Каждый раздел книги сопровождается практическим примером. Кроме того, книга содержит программный код SPSS Syntax, R и Python, позволяющий полностью автоматизировать процесс построения прогнозных моделей. Автором обобщены лучшие практики использования деревьев решений и случайного леса от таких компаний, как Citibank N.A., Transunion и DBS Bank.
Издание будет интересно маркетологам, риск-аналитикам и другим специалистам, занимающимся разработкой и внедрением прогнозных моделей.
ID товара
2648735
Издательство
ДМК Пресс
Год издания
2018
ISBN
978-5-97060-539-4, 978-5-9706-0539-4
Количество страниц
634
Размер
3.5x17x24
Вес, г
1149
4 619 ₽
+ до 692 бонусов
В наличии
В магазины сети, бесплатно
СегодняАдреса магазинов
Другие способы доставки
Отзывы
15 бонусов
за полезный отзыв длиной от 300 символов
15 бонусов
если купили в интернет-магазине «Читай-город»
Оставьте отзыв и получите бонусы
Оставьте первый отзыв и получите за него бонусы.
Это поможет другим покупателям сделать правильный выбор.
• Практическое применение методов машинного обучения на базе популярных статистических пакетов IBM SPSS Statistics, R и Python
• Строительство и интерпретация дерева решений и случайного леса
• Оценка дискриминирующей способности полученных моделей
• Улучшение модели дерева с помощью процедуры обрезки ветвей (прунинга)
• Оптимизация модели логистической регрессии, используя информацию дерева и случайного леса
• Навыки оптимального конструирования признаков
• Улучшение модели случайного леса с помощью автоматической автоматизации параметров
• Применение правил классификации/прогноза, полученных с помощью дерева, к новым данным
Второе издание книги дополнено главами о применении методов машинного обучения на базе Python. Данная книга представляет собой практическое руководство по применению метода деревьев решений и случайного леса для задач сегментации, классификации и прогнозирования. Каждый раздел книги сопровождается практическим примером. Кроме того, книга содержит программный код SPSS Syntax, R и Python, позволяющий полностью автоматизировать процесс построения прогнозных моделей. Автором обобщены лучшие практики использования деревьев решений и случайного леса от таких компаний, как Citibank N.A., Transunion и DBS Bank.
Издание будет интересно маркетологам, риск-аналитикам и другим специалистам, занимающимся разработкой и внедрением прогнозных моделей.
• Строительство и интерпретация дерева решений и случайного леса
• Оценка дискриминирующей способности полученных моделей
• Улучшение модели дерева с помощью процедуры обрезки ветвей (прунинга)
• Оптимизация модели логистической регрессии, используя информацию дерева и случайного леса
• Навыки оптимального конструирования признаков
• Улучшение модели случайного леса с помощью автоматической автоматизации параметров
• Применение правил классификации/прогноза, полученных с помощью дерева, к новым данным
Второе издание книги дополнено главами о применении методов машинного обучения на базе Python. Данная книга представляет собой практическое руководство по применению метода деревьев решений и случайного леса для задач сегментации, классификации и прогнозирования. Каждый раздел книги сопровождается практическим примером. Кроме того, книга содержит программный код SPSS Syntax, R и Python, позволяющий полностью автоматизировать процесс построения прогнозных моделей. Автором обобщены лучшие практики использования деревьев решений и случайного леса от таких компаний, как Citibank N.A., Transunion и DBS Bank.
Издание будет интересно маркетологам, риск-аналитикам и другим специалистам, занимающимся разработкой и внедрением прогнозных моделей.