Прогнозное моделирование в IBM SPSS Statistics, R и Python: метод деревьев решений и случайный лес

Прогнозное моделирование в IBM SPSS Statistics, R и Python: метод деревьев решений и случайный лес

Библиографические подробности
Главный автор:	Груздев А. В.
Примечания:	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. Книга из коллекции ДМК Пресс - Информатика
Опубликовано:	Москва, ДМК Пресс, 2018
Предметы:	методология деревьев решений преимущества деревьев решений недостатки деревьев решений задачи деревьев решений построение дерева классификации методы деревьев решений шкалы переменных размер выборки алгоритм тест хи-квадрат f-тест chaid диаграмма дерева выигрыши для узлов таблицы классификации таблицы риска roc-кривая дискриминирующая способность модели переобучение недообучение методы проверки модели общая способность модели настройки вывода дерева построение таблицы дерева настройки вывода статистик построение графиков выигрышей индексы откликов правила классификации дерево регрессии chaid принудительная переменная расщепления правила остановки дерева chaid статистические тесты разбиения узлов объединения категорий предикторов обработка количественных предикторов исчерпывающий chaid параметры деревьев решений обработка пропущенных значений стоимости ошибочной классификации прибыли биннинг мультиколлинеарность логистическая регрессия оптимальная категоризация преобразование количественных переменных ансамбль логистической регрессии дерево chaid метод crt мера джини внутриузловая дисперсия стоимость-сложности отсечение ветвей суррогаты пропущенных значений метод quest редактор дерева настройка внешнего вида диаграммы дерева отбор наблюдений сравнение методов деревьев решений случайный лес oob-оценка качества
Online-ссылка:	https://e.lanbook.com/book/123700 https://e.lanbook.com/img/cover/book/123700.jpg
Формат:	Электронный ресурс Книга

Internet

https://e.lanbook.com/book/123700
https://e.lanbook.com/img/cover/book/123700.jpg