内容简介
本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。 本书适合想要学习预测建模并对用Python工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。
AI简介
这是一本专注于预测分析的实战指南，主要介绍如何通过Python工具构建高性能的预测分析解决方案。全书以预测分析过程为主线，从理解问题和准备数据开始，逐步深入到理解数据集、基于机器学习的数值预测、基于机器学习的分类预测、面向预测分析的神经网络简介、模型评价、调整模型和提高性能，最后以基于Dash的模型实现作为结束。
全书内容涵盖了预测分析过程的各个阶段，包括理解问题和定义问题、收集数据和准备数据、理解数据集、基于机器学习的数值预测、基于机器学习的分类预测、面向预测分析的神经网络简介、模型评价、调整模型和提高性能、基于Dash的模型实现等。这些内容都是预测分析过程中必不可少的环节，也是构建高性能预测分析解决方案的关键。
在理解问题和准备数据阶段，作者详细介绍了如何理解业务问题并提出解决方案，如何收集和准备数据，如何处理数据中的缺失值、异常值和共线性问题等。在理解数据集阶段，作者详细介绍了如何通过探索性数据分析来理解数据集的特征和潜在关系。在基于机器学习的数值预测和基于机器学习的分类预测阶段，作者详细介绍了如何使用各种机器学习算法来构建预测模型，并评价模型的性能。在面向预测分析的神经网络
推荐影视
阅读/下载地址