Opinie czytelników
Podsumowanie:Ta książka oferuje dogłębną eksplorację technik modelowania predykcyjnego przy użyciu R, równoważąc praktyczne zastosowanie z podstawami teoretycznymi. Jest dobrze przyjęta ze względu na jasne wyjaśnienia, przydatne fragmenty kodu i odpowiednie studia przypadków, chociaż niektórzy czytelnicy uważają ją za mniej odpowiednią dla początkujących ze względu na jej gęstą treść i zakładaną wcześniejszą wiedzę.
Zalety:⬤ Silne ukierunkowanie na praktykę z rzeczywistymi studiami przypadków.
⬤ Przejrzyste wyjaśnienia i pomocny kod R do implementacji modeli.
⬤ Kompleksowe omówienie różnych technik modelowania predykcyjnego.
⬤ Doskonały dla średnio zaawansowanych i zaawansowanych czytelników z pewnym doświadczeniem w R.
⬤ Nacisk na ważne koncepcje, takie jak ocena modelu i wstępne przetwarzanie danych.
Wady:⬤ Nieodpowiednia dla zupełnie początkujących; zakłada pewne doświadczenie w statystyce i R.
⬤ Niekiedy gęsta i wymagająca, z pewnymi koncepcjami, które nie zostały dogłębnie omówione.
⬤ Brak dogłębnych dyskusji teoretycznych i dowodów stojących za modelami, co może być wadą dla niektórych czytelników.
⬤ Struktura może wydawać się rozproszona, wymagając od czytelników częstego odwoływania się do różnych sekcji.
(na podstawie 117 opinii czytelników)
Oryginalny tytuł:
Applied Predictive Modeling
Zawartość książki:
Ogólne strategie. - Modele regresji.
- Modele klasyfikacji. - Inne rozważania. - Dodatek.
- Odniesienia. - Indeksy.
