Hodnotenie:
Kniha je dobre hodnotená pre svoju zrozumiteľnosť a praktické príklady, vďaka čomu je prístupná aj pre tých, ktorí s R a štatistickými technikami ešte len začínajú. Niektorí čitatelia však dúfali vo väčšiu hĺbku špecifických tém, ako je multikolinearita a používanie pokročilých knižníc.
Výhody:⬤ Užitočné príklady a jasné vysvetlenia
⬤ prístupné aj pre začiatočníkov s obmedzenými znalosťami R
⬤ pokrývajú široko používané štatistické techniky
⬤ slúžia ako dobrý základný zdroj informácií.
Chýba hĺbka multikolinearity; nepojednáva o knižnici tidyverse na pokročilú regresnú analýzu.
(na základe 3 čitateľských recenzií)
Regression Analysis with R
Vytvorte efektívne regresné modely v R a získajte cenné poznatky z reálnych údajov Kľúčové vlastnosti Implementujte rôzne techniky regresnej analýzy na riešenie bežných problémov v dátovej vede - od skúmania údajov až po riešenie chýbajúcich hodnôt Od jednoduchej lineárnej regresie až po logistickú regresiu - táto kniha pokrýva všetky regresné techniky a ich implementáciu v R Kompletný sprievodca vytváraním efektívnych regresných modelov v R a interpretáciou ich výsledkov na vytváranie cenných predpovedí Popis knihy
Regresná analýza je štatistický proces, ktorý umožňuje predpovedať vzťahy medzi premennými. Predpovede sú založené na náhodnom vplyve jednej premennej na druhú. Regresné techniky na modelovanie a analýzu sa používajú na veľkých súboroch údajov s cieľom odhaliť skryté vzťahy medzi premennými.
V tejto knihe sa dozviete, čo je to regresná analýza, a vysvetlí sa vám celý proces od základov. V prvých kapitolách sa dozviete, aké sú rôzne typy učenia - kontrolované a nekontrolované, ako sa tieto učenia od seba líšia. Potom prejdeme k podrobnému rozpracovaniu učenia pod dohľadom, pričom sa budeme venovať rôznym aspektom regresnej analýzy. Osnova kapitol je usporiadaná tak, že dáva pocit všetkých krokov zahrnutých v procese vedy o údajoch - načítanie trénovacej množiny údajov, spracovanie chýbajúcich hodnôt, EDA na množine údajov, transformácie a príznakové inžinierstvo, zostavenie modelu, posúdenie prispôsobenia modelu a jeho výkonnosti a nakoniec vytváranie predpovedí na nepozorovaných množinách údajov. Každá kapitola sa začína vysvetlením teoretických pojmov a keď sa čitateľ s teóriou oboznámi, prejdeme k praktickým príkladom na podporu pochopenia. Praktické príklady sú ilustrované pomocou kódu R vrátane rôznych balíkov v R, ako sú R Stats, Caret atď. Každá kapitola je kombináciou teórie a praktických príkladov.
Na konci tejto knihy budete poznať všetky pojmy a boľavé miesta súvisiace s regresnou analýzou a budete schopní implementovať svoje poznatky do svojich projektov. Čo sa naučíte Začnite cestu dátovej vedy pomocou jednoduchej lineárnej regresie Riešte interakcie, kolinearitu a ďalšie problémy pomocou viacnásobnej lineárnej regresie Pochopte diagnostiku a čo robiť, ak predpoklady zlyhajú pri správnej analýze Načítajte súbor údajov, ošetrite chýbajúce hodnoty, a vykresľujte vzťahy pomocou prieskumnej analýzy údajov Vytvorte dokonalý model, pričom zohľadnite nadmerné prispôsobenie, nedostatočné prispôsobenie a krížovú validáciu Riešte problémy klasifikácie pomocou logistickej regresie Preskúmajte ďalšie regresné techniky - rozhodovacie stromy, Bagging a techniky Boosting Naučte sa to všetko v praxi pomocou prípadovej štúdie z reálneho sveta. Pre koho je táto kniha určená
Táto kniha je určená pre začínajúcich dátových vedcov a dátových analytikov, ktorí chcú implementovať techniky regresnej analýzy pomocou R. Ak sa zaujímate o štatistiku, dátovú vedu, strojové učenie a chcete získať jednoduchý úvod do tejto témy, potom je táto kniha to, čo potrebujete! Základné znalosti štatistiky a matematiky vám pomôžu vyťažiť z knihy maximum. Užitočné budú aj určité skúsenosti s programovaním v jazyku R Obsah Začíname s regresiou Základné pojmy - Jednoduchá lineárna regresia Viac ako len jeden prediktor - MLR Logistická regresia Príprava údajov Vyhýbanie sa problémom s nadmerným prispôsobením - Dosiahnutie zovšeobecnenia Pokračovanie s regresnými modelmi Za hranice linearity - Kedy je krivka oveľa lepšia Regresná analýza v praxi
