Analyse de séries temporelles avec R

Avis des lecteurs

Résumé:

Ce livre est apprécié pour son approche pratique de l'analyse des séries temporelles à l'aide de R, avec des explications claires, des aides visuelles et le code de l'auteur. Certains utilisateurs l'ont trouvé particulièrement utile pour les débutants, tandis que d'autres ont noté des problèmes de précision du code et de qualité d'impression. Malgré ces difficultés, le livre est considéré comme une ressource précieuse dans le domaine.

Avantages:

Expérience pratique et exemples concrets, bien organisé et facile à suivre, adapté aux novices, inclut le code et les outils de l'auteur (TSstudio), contenu expliqué visuellement, utile pour les applications professionnelles en science des données.

Inconvénients:

Le code contient des erreurs qui nuisent à l'expérience d'apprentissage, certains utilisateurs ont trouvé qu'il était difficile de suivre en raison des corrections de code nécessaires, problèmes de qualité d'impression dans la version à couverture souple.

(basé sur 12 avis de lecteurs)

Titre original :

Hands-On Time Series Analysis with R

Contenu du livre :

Construire des modèles de prévision efficaces en utilisant des modèles de séries temporelles traditionnels et des algorithmes d'apprentissage automatique. Caractéristiques principales Effectuer des analyses de séries temporelles et des prévisions à l'aide de packages R tels que Forecast et h2o Développer des modèles et trouver des modèles pour créer des visualisations à l'aide des packages TSstudio et plotly Maîtriser les statistiques et mettre en œuvre des méthodes de séries temporelles à l'aide d'exemples mentionnés Description du livre

L'analyse des séries temporelles est l'art d'extraire des informations significatives et de révéler des modèles dans les données de séries temporelles en utilisant des approches statistiques et de visualisation des données. Ces informations et ces modèles peuvent ensuite être utilisés pour explorer les événements passés et prévoir les valeurs futures de la série.

Ce livre explore les bases de l'analyse des séries temporelles avec R et pose les fondations dont vous avez besoin pour construire des modèles de prévision. Vous apprendrez à prétraiter les données brutes de séries temporelles et à nettoyer et manipuler les données avec des packages tels que stats, lubridate, xts et zoo. Vous analyserez les données et en extrairez des informations significatives à l'aide de statistiques descriptives et d'outils de visualisation de données riches en R tels que les packages TSstudio, plotly et ggplot2. La dernière partie du livre traite des modèles de prévision traditionnels tels que la régression linéaire des séries temporelles, le lissage exponentiel (Holt, Holt-Winter, etc.) et les modèles de moyenne mobile intégrée autorégressive (ARIMA) à l'aide des packages stats et forecast. Vous couvrirez également des modèles avancés de régression de séries temporelles avec des algorithmes d'apprentissage automatique tels que Random Forest et Gradient Boosting Machine à l'aide du package h2o.

À la fin de cet ouvrage, vous aurez acquis les compétences nécessaires pour explorer vos données, identifier des modèles et construire un modèle de prévision à l'aide de diverses méthodes traditionnelles et d'apprentissage automatique. Ce que vous apprendrez Visualiser les données de séries temporelles et en tirer de meilleures informations Explorer l'auto-corrélation et maîtriser les techniques statistiques Utiliser les outils d'analyse de séries temporelles des packages stats, TSstudio et forecast Explorer et identifier les modèles saisonniers et de corrélation Travailler avec différents formats de séries temporelles dans R Explorer les modèles de séries temporelles tels que ARIMA, Holt-Winters, et plus encore Évaluer des solutions de prévision performantes À qui s'adresse ce livre ?

Hands-On Time Series Analysis with R est idéal pour les analystes de données, les data scientists et tous les développeurs R qui cherchent à effectuer des analyses de séries temporelles pour prédire des résultats de manière efficace. Une connaissance de base des statistiques est requise ; une certaine connaissance de R est attendue, mais n'est pas obligatoire. Table des matières Introduction à l'analyse des séries temporelles et à R Travailler avec des objets de date et de temps L'objet série temporelle Travailler avec des objets zoo et xts Décomposition des données de séries temporelles Analyse de saisonnalité Analyse de corrélation Stratégies de prévision Prévision avec régression linéaire Prévision avec modèles de lissage exponentiel Prévision avec modèles ARIMA Prévision avec modèles d'apprentissage automatique

Autres informations sur le livre :

• ISBN : 9781788629157
• Auteur : Rami Krispin
• Éditeur : Packt Pub
• Reliure : Broché