Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Прогнозное моделирование в IBM SPSS Statistics, R и Python: метод деревьев решений и случайный лес
Часть II. ПОСТРОЕНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ И СЛУЧАЙНОГО ЛЕСА В R И PYTHON
Поставить закладку
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте
просмотр в виде pdf
. Вам доступно 56 стр. из этой главы.
Для продолжения работы требуется
Registration
Предыдущая страница
Следующая страница
Table of contents
От рецензента
Предисловие
Глава 1. Введение в метод деревьев решений
Часть I. ПОСТРОЕНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ И СЛУЧАЙНОГО ЛЕСА В IBM SPSS STATISTICS
+
Часть II. ПОСТРОЕНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ И СЛУЧАЙНОГО ЛЕСА В R И PYTHON
-
Глава 7. Построение деревьев решений CHAID с помощью пакета R CHAID
Глава 8. Построение деревьев решений CRT с помощью пакета R rpart
Глава 9. Построение случайного леса с помощью пакета R randomForest
Глава 10. Построение случайного леса с помощью пакета R ranger
Глава 11. Построение распределенного случайного леса с помощью пакета R h2o
Глава 12. Построение случайного леса в Python
Приложение 1. Предварительная подготовка данных в Python с помощью библиотеки pandas
Приложение 2. Предварительная подготовка данных в R
Приложение 3. Визуализация данных в Python с помощью библиотек matplotlib, seaborn и plotly
Приложение 4. Построение ROC-кривой и вычисление AUC вручную
Приложение 5. Декомпозиция прогнозов дерева решений и случайного леса с помощью питоновского пакета treeinterpreter для улучшения интерпретабельности
Ключи к вопросам
Библиографический список
Предметный указатель
Данный блок поддерживает скрол*