Avis des lecteurs
Résumé:Le livre « Applied Predictive Modeling » offre un guide pratique des techniques de modélisation prédictive à l'aide de R, en se concentrant sur les applications du monde réel et les exemples pratiques. Bien qu'il ait été bien accueilli pour sa clarté, son orientation pratique et sa couverture complète des différents modèles, il convient de noter que le livre n'est pas adapté aux débutants absolus. Il équilibre les discussions théoriques avec la mise en œuvre pratique, bien que certains lecteurs aient trouvé la séparation de la théorie et de la pratique encombrante.
Avantages:⬤ Une forte orientation pratique avec de nombreux exemples réels et études de cas.
⬤ Un style d'écriture clair, qui rend les sujets complexes plus accessibles.
⬤ Une couverture étendue des techniques de prétraitement, de réglage des modèles et d'évaluation.
⬤ Fournit un code R reproductible pour tous les exemples, améliorant ainsi l'apprentissage pratique.
⬤ Des exercices et des références utiles pour approfondir l'étude.
⬤ Des chapitres bien structurés avec une progression cohérente des sujets.
⬤ Non recommandé aux débutants complets ; une certaine connaissance préalable de R et de la modélisation prédictive est supposée.
⬤ La séparation des sections théoriques et informatiques peut perturber le flux d'apprentissage.
⬤ Certaines sections peuvent manquer de profondeur, se révélant trop laconiques ou superficielles.
⬤ L'ouvrage se concentre principalement sur certaines disciplines, ce qui limite potentiellement son intérêt pour les lecteurs d'autres domaines.
(basé sur 117 avis de lecteurs)
Titre original :
Applied Predictive Modeling
Contenu du livre :
La modélisation prédictive appliquée couvre l'ensemble du processus de modélisation prédictive, en commençant par les étapes cruciales du prétraitement des données, de la division des données et des fondements de la mise au point des modèles. Le texte fournit ensuite des explications intuitives sur de nombreuses techniques de régression et de classification courantes et modernes, en mettant toujours l'accent sur l'illustration et la résolution de problèmes liés à des données réelles. Le texte illustre toutes les parties du processus de modélisation par de nombreux exemples pratiques et réels, et chaque chapitre contient un code R complet pour chaque étape du processus.
Ce texte polyvalent peut être utilisé comme introduction aux modèles prédictifs et au processus global de modélisation, comme manuel de référence pour les praticiens, ou comme texte pour les cours avancés de modélisation prédictive au niveau du premier ou du deuxième cycle. À cette fin, chaque chapitre contient des séries de problèmes permettant de consolider les concepts abordés et utilise les données disponibles dans le paquetage R du livre.
Ce texte est destiné à un large public et constitue à la fois une introduction aux modèles prédictifs et un guide pour leur application. Les lecteurs non mathématiciens apprécieront les explications intuitives des techniques, tandis que l'accent mis sur la résolution de problèmes avec des données réelles dans une grande variété d'applications aidera les praticiens qui souhaitent étendre leur expertise. Les lecteurs doivent avoir une connaissance des concepts statistiques de base, tels que la corrélation et l'analyse de régression linéaire. Bien que le texte ne soit pas axé sur les équations complexes, un bagage mathématique est nécessaire pour les sujets avancés.
Autres informations sur le livre :
| ISBN : | 9781461468486 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2018 |
| Nombre de pages : | 600 |
Achat:
Actuellement disponible, en stock.
