Descripción
Applied Predictive Modeling cubre el proceso general de modelado predictivo, comenzando con los pasos cruciales de preprocesamiento de datos, división de datos y fundamentos de ajuste de modelos. El texto luego proporciona explicaciones intuitivas de numerosas técnicas comunes y modernas de regresión y clasificación, siempre con énfasis en ilustrar y resolver problemas de datos reales. El texto ilustra todas las partes del proceso de modelado a través de muchos ejemplos prácticos de la vida real, y cada capítulo contiene un amplio código R para cada paso del proceso.
Este texto de usos múltiples puede utilizarse como introducción a los modelos predictivos y al proceso general de modelado, como manual de referencia para profesionales, o como texto para cursos de modelado predictivo de nivel avanzado de pregrado o posgrado. Con este fin, cada capítulo contiene conjuntos de problemas para ayudar a consolidar los conceptos cubiertos y utiliza datos disponibles en el paquete R del libro.Este texto está destinado a una amplia audiencia, tanto como introducción a los modelos predictivos como guía para aplicarlos. Los lectores no matemáticos apreciarán las explicaciones intuitivas de las técnicas, mientras que el énfasis en la resolución de problemas con datos reales en una amplia variedad de aplicaciones ayudará a los profesionales que deseen ampliar sus conocimientos. Los lectores deben tener conocimientos de ideas estadísticas básicas, como correlación y análisis de regresión lineal. Si bien el texto está sesgado en contra de ecuaciones complejas, se necesita una formación matemática para temas avanzados.
Autor: Max Kuhn, Kjell Johnson
Editorial: Springer
Publicado: 03/16/2019
Páginas: 600
Tipo de encuadernación: Tapa blanda
Peso: 1.87 libras
Tamaño: 9.21 alto x 6.14 ancho x 1.24 profundidad
ISBN13: 9781493979363
ISBN10: 1493979361
Categorías BISAC:
- Matemáticas | Probabilidad y Estadística | General
- Computadoras | Software Matemático y Estadístico
- Medicina | Bioestadística
Sobre el autor
El Dr. Kuhn es Director de Estadística No Clínica en Pfizer Global R&D en Groton, Connecticut. Ha estado aplicando modelos predictivos en las industrias farmacéutica y de diagnóstico durante más de 15 años y es autor de varios paquetes de R.
El Dr. Johnson tiene más de una década de experiencia en consultoría estadística y modelado predictivo en investigación y desarrollo farmacéutico. Es cofundador de Arbor Analytics, una empresa especializada en modelado predictivo y es ex Director de Estadística en Pfizer Global R&D. Su trabajo académico se centra en la aplicación y el desarrollo de metodologías estadísticas y algoritmos de aprendizaje.