Analisi delle serie temporali con R

Recensioni dei lettori

Il libro è molto apprezzato per il suo approccio pratico all'analisi delle serie temporali con R, con spiegazioni chiare, aiuti visivi e il codice dell'autore. Alcuni utenti lo hanno trovato particolarmente utile per i principianti, mentre altri hanno rilevato problemi con l'accuratezza del codice e la qualità di stampa. Nonostante alcuni problemi, il libro è considerato una risorsa preziosa nel settore.

Esperienza pratica ed esempi pratici, ben organizzato e facile da seguire, adatto ai principianti, include il codice e gli strumenti dell'autore (TSstudio), contenuto spiegato visivamente, prezioso per le applicazioni lavorative nella scienza dei dati.

Il codice contiene errori che riducono l'esperienza di apprendimento, alcuni utenti hanno trovato difficile seguirlo a causa delle correzioni di codice necessarie, problemi con la qualità di stampa nella versione con copertina morbida.

(basato su 12 recensioni dei lettori)

Titolo originale:

Hands-On Time Series Analysis with R

Contenuto del libro:

Costruire modelli di previsione efficienti utilizzando modelli tradizionali di serie temporali e algoritmi di apprendimento automatico. Caratteristiche principali Eseguire l'analisi e la previsione delle serie temporali utilizzando pacchetti R come Forecast e h2o Sviluppare modelli e trovare modelli per creare visualizzazioni utilizzando i pacchetti TSstudio e plotly Padroneggiare le statistiche e implementare i metodi delle serie temporali utilizzando gli esempi citati Descrizione del libro

L'analisi delle serie temporali è l'arte di estrarre spunti significativi e rivelare modelli nei dati delle serie temporali utilizzando approcci statistici e di visualizzazione dei dati. Queste intuizioni e questi modelli possono essere utilizzati per esplorare gli eventi passati e prevedere i valori futuri della serie.

Questo libro esplora le basi dell'analisi delle serie temporali con R e pone le basi necessarie per costruire modelli di previsione. Imparerete a preelaborare i dati grezzi delle serie temporali e a pulire e manipolare i dati con pacchetti come stats, lubridate, xts e zoo. Analizzerete i dati e ne estrarrete informazioni significative utilizzando sia le statistiche descrittive sia i ricchi strumenti di visualizzazione dei dati in R, come i pacchetti TSstudio, plotly e ggplot2. La sezione successiva del libro approfondisce i modelli di previsione tradizionali, come la regressione lineare delle serie temporali, lo smoothing esponenziale (Holt, Holt-Winter e altri) e i modelli ARIMA (Auto-Regressive Integrated Moving Average) con i pacchetti stats e forecast. Verranno inoltre trattati modelli avanzati di regressione delle serie temporali con algoritmi di apprendimento automatico come Random Forest e Gradient Boosting Machine utilizzando il pacchetto h2o.

Alla fine di questo libro, avrete le competenze necessarie per esplorare i vostri dati, identificare i modelli e costruire un modello di previsione utilizzando vari metodi tradizionali e di apprendimento automatico. Cosa imparerete Visualizzate i dati delle serie temporali e ricavate migliori informazioni Esplorate l'autocorrelazione e le tecniche statistiche principali Utilizzate gli strumenti di analisi delle serie temporali dei pacchetti stats, TSstudio e forecast Esplorate e identificate i modelli stagionali e di correlazione Lavorate con diversi formati di serie temporali in R Esplorate i modelli di serie temporali come ARIMA, Holt-Winters e altri ancora Valutate le soluzioni di previsione ad alte prestazioni A chi è rivolto questo libro

Hands-On Time Series Analysis with R è ideale per gli analisti di dati, i data scientist e tutti gli sviluppatori R che desiderano eseguire analisi delle serie temporali per prevedere efficacemente i risultati. È richiesta una conoscenza di base della statistica; una certa conoscenza di R è attesa, ma non obbligatoria. Indice Introduzione all'analisi delle serie temporali e a R Lavorare con gli oggetti data e tempo L'oggetto serie temporale Lavorare con gli oggetti zoo e xts Decomposizione dei dati delle serie temporali Analisi della stagionalità Analisi delle correlazioni Strategie di previsione Previsione con la regressione lineare Previsione con i modelli di lisciatura esponenziale Previsione con i modelli ARIMA Previsione con i modelli di machine learning