Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.
Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning
Časť 1: Parametrické metódyKapitola 1: Úvod do jednoduchej lineárnej regresieCieľ kapitoly: Oboznamuje čitateľa s parametrickými metódami a pochopením základných predpokladov regresie. Podtémy- Predpoklady regresie. - Zisťovanie chýbajúcich hodnôt. - Popisná analýza. - Pochopenie korelácie. o Vykreslenie Pearsonovej korelačnej matice. - Určiť kovarianciu. o Načrtnúť kovariančnú maticu. - Vytvárať a pretvárať polia. - Rozdeliť údaje na tréningové a testovacie údaje. - Normalizovať údaje. - Nájsť najlepšie hyperparametre pre model. - Zostavte si vlastný model. - Preskúmajte výkonnosť modelu. o Stredná absolútna chyba. o Stredná kvadratická chyba. o Koreňová stredná kvadratická chyba. o R-kvadrát. o Vykreslenie skutočných hodnôt oproti predpovedaným hodnotám. - Reziduálna diagnostika. o Normálny Q-Q graf. o Cookov D graf vplyvu. o Vykreslenie predpovedaných hodnôt vs. reziduálne hodnoty. o Vykreslenie fitovaných hodnôt vs. reziduálne hodnoty. o Vykreslenie pákových hodnôt vs. reziduálne hodnoty. o Vykreslenie fitovaných hodnôt vs. študované reziduálne hodnoty. o Vykreslenie pákových hodnôt vs. študované reziduálne hodnoty.
Kapitola 2: Pokročilé parametrické metódyCieľ kapitoly: Zdôrazňuje metódy riešenia problému nedostatočného a nadmerného prispôsobenia. Podtémy - Problematika multikolinearity. - Preskúmanie metód riešenia problému nedostatočného a nadmerného prispôsobenia. - Pochopenie regresných modelov Ridge, RidgeCV a Lasso. - Nájsť najlepšie hyperparametre pre model. - Zostavenie regularizovaných modelov. - Porovnať výkonnosť rôznych regresných metód. o Stredná absolútna chyba. o Stredná kvadratická chyba. o Koreňová stredná kvadratická chyba. o R-kvadrát. o Vykreslenie skutočných hodnôt oproti predpovedaným hodnotám.
Kapitola 3: Analýza časových radovCieľ kapitoly: Zahŕňa model na identifikáciu trendov a vzorov v sekvenčných údajoch a spôsob predpovedania radu. - Čo je analýza časových radov? - Základné predpoklady analýzy časových radov. - Rôzne typy modelov analýzy časových radov. - Model ARIMA. - Test stacionárnosti. o Vykonanie ADF Fullerovho testu. - Test bieleho šumu. - Test korelácie. o Vykreslenie grafu oneskorenia. o Vykreslenie grafu oneskorenia vs. autokorelácie. o Vykreslenie grafu ACF. o Vykreslenie grafu PACF. - Porozumieť trendom, sezónnosti a trendom. o Vykresliť sezónne zložky. - Vyhladiť časový rad pomocou techník kĺzavého priemeru, štandardnej odchýlky a exponenciály. o Vykresliť vyhladený časový rad. - Určiť mieru návratnosti a kĺzavú mieru návratnosti. - Určiť parametre modelu ARIMA. - Zostavte ARIMA model. - Predpovedať ARIMA. o Vykresliť predpoveď. - Diagnostika rezíduí.
Kapitola 4: Vysokokvalitné časové radyCieľ kapitoly: Skúma Prorok pre lepšiu predpoveď radov. - Rozdiel medzi statsmodelom a Prophetom. - Pochopenie komponentov v programe Prophet. - Predspracovanie údajov. - Vypracovanie modelu pomocou programu Prophet. - Predpovedať rad. o Vykresliť prognózu. o Vykresliť sezónne komponenty. - Vyhodnotiť výkonnosť modelu pomocou programu Prophet. Kapitola 4: Logistická regresiaCieľ kapitoly: Oboznámiť čitateľa s logistickou regresiou - výkonným klasifikačným modelom. Podtémy - Nájsť chýbajúce hodnoty.
