خرید و دانلود نسخه کامل کتاب Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R

توضیحاتی در مورد کتاب

با استفاده از مدل‌های سری زمانی سنتی و الگوریتم‌های یادگیری ماشین، مدل‌های پیش‌بینی کارآمد بسازید. ویژگی‌های کلیدی انجام تحلیل و پیش‌بینی سری‌های زمانی با استفاده از بسته‌های R مانند Forecast و h2o توسعه مدل‌ها و یافتن الگوها برای ایجاد تجسم با استفاده از TSstudio و بسته‌های نموداری آمار کارشناسی ارشد و پیاده‌سازی روش‌های سری زمانی با استفاده از مثال‌های ذکر شده کتاب شرح کتاب تحلیل سری‌های زمانی هنر است. استخراج بینش معنی‌دار از داده‌های سری زمانی و آشکارسازی الگوها با استفاده از روش‌های آماری و تجسم داده‌ها. سپس می توان از این بینش ها و الگوها برای کشف رویدادهای گذشته و پیش بینی ارزش های آینده در مجموعه استفاده کرد. این کتاب اصول تحلیل سری های زمانی با R را بررسی می کند و پایه هایی را که برای ساختن مدل های پیش بینی نیاز دارید، می گذارد. شما یاد خواهید گرفت که چگونه داده های سری زمانی خام را پیش پردازش کنید و داده ها را با بسته هایی مانند آمار، lubridate، xts و zoo پاکسازی و دستکاری کنید. شما داده ها را تجزیه و تحلیل کرده و با استفاده از آمار توصیفی و ابزارهای تجسم داده های غنی در R مانند بسته های TSstudio، plotly و ggplot2 از آنها اطلاعات معناداری استخراج خواهید کرد. بخش بعدی کتاب به مدل‌های پیش‌بینی سنتی مانند رگرسیون خطی سری‌های زمانی، هموارسازی نمایی (Holt، Holt-Winter و موارد دیگر) و مدل‌های میانگین متحرک یکپارچه بازگشتی خودکار (ARIMA) با آمار و بسته‌های پیش‌بینی می‌پردازد. همچنین مدل‌های رگرسیون سری زمانی پیشرفته را با الگوریتم‌های یادگیری ماشینی مانند Random Forest و Gradient Boosting Machine با استفاده از بسته h2o پوشش خواهید داد. در پایان این کتاب، شما مهارت های لازم برای کشف داده های خود، شناسایی الگوها و ساخت یک مدل پیش بینی را با استفاده از روش های مختلف سنتی و یادگیری ماشینی خواهید داشت. آنچه یاد خواهید گرفت تجسم داده های سری زمانی و بدست آوردن بینش بهتر کاوش همبستگی خودکار و تسلط بر تکنیک های آماری استفاده از ابزارهای تجزیه و تحلیل سری های زمانی از آمار، TSstudio و بسته های پیش بینی کاوش و شناسایی الگوهای فصلی و همبستگی کار با قالب های سری زمانی مختلف در R Explore مدل‌های سری زمانی مانند ARIMA، Holt-Winters و غیره ارزیابی راه‌حل‌های پیش‌بینی با کارایی بالا این کتاب برای چه کسانی است. تجزیه و تحلیل سری های زمانی برای پیش بینی نتایج به طور موثر. دانش اولیه آمار مورد نیاز است. مقداری دانش در R مورد انتظار است، اما اجباری نیست.