Прогнозне моделювання в IBM SPSS Statistics, R і Python. Метод дерев рішень і випадкового лісу (кольорове

 Ця книга являє собою практичний посібник із застосування методів дерев рішень для завдань сегментації, класифікації та прогнозування. Кожен розділ книги супроводжується практичним прикладом. Крім того, книга містить програмний код SPSS Syntax, R і Python, що дає змогу повністю автоматизувати процес побудови прогнозних моделей. Автором узагальнені найкращі практики використання дерев рішень від таких компаній, як Citibank N.A., Transunion і DBS Bank. Прочитавши цю книгу, ви зможете:   будувати та інтерпретувати моделі дерева рішень і випадкового лісу; оцінювати дискримінувальну здатність отриманих моделей; покращувати моделі дерева за допомогою процедури обрізання гілок (прунінгу); покращувати моделі логістичної регресії, використовуючи інформацію дерева та випадкового лісу; застосовувати правила класифікації/прогнозу, отримані за допомогою дерева та випадкового лісу, до нових даних; опанувати навички конструювання ознак (feature engineering); покращувати моделі випадкового лісу за допомогою автоматизованої оптимізації параметрів.   Видання буде цікаво маркетологам, ризик-аналітикам та іншим фахівцям, які розробляють і впровадять прогнозні моделі.   Друге видання книги доповнене розділами про застосування методів машинного навчання на базі Python   Книга надрукована в кольорі!