Título :	Predictive Data Mining Models
Tipo de documento:	documento electrónico
Autores:	Olson, David L., Autor ; Wu, Desheng, Autor
Mención de edición:	2 ed.
Editorial:	Singapore [Malasya] : Springer
Fecha de publicación:	2020
Número de páginas:	XI, 125 p. 77 ilustraciones, 69 ilustraciones en color.
ISBN/ISSN/DL:	978-981-1396649--
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Investigación cuantitativa  Procesamiento de datos  Gestion de riesgos financieros  Análisis de datos y Big Data  Minería de datos y descubrimiento de conocimientos  Gestión de riesgos
Índice Dewey:	1.422
Resumen:	Este libro proporciona una descripción general de los métodos predictivos demostrados mediante el modelado de software de código abierto con Rattle (R'') y WEKA. La gestión del conocimiento implica la aplicación del conocimiento humano (epistemología) con los avances tecnológicos de nuestra sociedad actual (sistemas informáticos) y el big data, tanto en términos de recopilación de datos como de análisis de los mismos. Vemos tres tipos de herramientas analíticas. El análisis descriptivo se centra en informes de lo sucedido. El análisis predictivo amplía la inteligencia estadística y/o artificial para proporcionar capacidad de previsión. También incluye modelos de clasificación. El análisis prescriptivo aplica modelos cuantitativos para optimizar sistemas, o al menos para identificar sistemas mejorados. La minería de datos incluye modelos descriptivos y predictivos. La investigación de operaciones incluye los tres. Este libro se centra en el análisis prescriptivo. El libro busca proporcionar explicaciones simples y demostración de algunas herramientas descriptivas. Esta segunda edición proporciona más ejemplos del impacto de big data, actualiza el contenido sobre visualización, aclara algunos puntos y amplía la cobertura de las reglas de asociación y el análisis de conglomerados. El Capítulo 1 ofrece una visión general en el contexto de la gestión del conocimiento. El capítulo 2 analiza algunos tipos de datos básicos. El Capítulo 3 cubre los fundamentos de las herramientas de modelado de series de tiempo y el Capítulo 4 proporciona una demostración del modelado de regresión múltiple. El Capítulo 5 demuestra el modelado de árboles de regresión. El Capítulo 6 presenta modelos autorregresivos/integrados/de media móvil, así como modelos GARCH. El Capítulo 7 cubre el conjunto de herramientas de minería de datos utilizadas en la clasificación, para incluir variantes especiales que admiten máquinas de vectores, bosques aleatorios y refuerzo. Los modelos se demuestran utilizando datos relacionados con el negocio. El estilo del libro pretende ser descriptivo, buscando explicar cómo funcionan los métodos, con algunas citas, pero sin referencias académicas profundas. Todos los conjuntos de datos y el software se seleccionan para una amplia disponibilidad y acceso por parte de cualquier lector con enlaces informáticos.
Nota de contenido:	Chapter 1 Knowledge Management -- Chapter 2 Data Sets -- Chapter 3 Basic Forecasting ToolsChapter 3 Basic Forecasting Tools -- Chapter 4 Multiple Regression -- Chapter 5 Regression Tree Models -- Chapter 6 Autoregressive Models -- Chapter 7 GARCH Models -- Chapter 8 Comparison of Models.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Predictive Data Mining Models [documento electrónico] / Olson, David L., Autor ; Wu, Desheng, Autor  . -  2 ed.  . - Singapore [Malasya] : Springer, 2020 . - XI, 125 p. 77 ilustraciones, 69 ilustraciones en color.
ISBN : 978-981-1396649--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Investigación cuantitativa  Procesamiento de datos  Gestion de riesgos financieros  Análisis de datos y Big Data  Minería de datos y descubrimiento de conocimientos  Gestión de riesgos
Índice Dewey:	1.422
Resumen:	Este libro proporciona una descripción general de los métodos predictivos demostrados mediante el modelado de software de código abierto con Rattle (R'') y WEKA. La gestión del conocimiento implica la aplicación del conocimiento humano (epistemología) con los avances tecnológicos de nuestra sociedad actual (sistemas informáticos) y el big data, tanto en términos de recopilación de datos como de análisis de los mismos. Vemos tres tipos de herramientas analíticas. El análisis descriptivo se centra en informes de lo sucedido. El análisis predictivo amplía la inteligencia estadística y/o artificial para proporcionar capacidad de previsión. También incluye modelos de clasificación. El análisis prescriptivo aplica modelos cuantitativos para optimizar sistemas, o al menos para identificar sistemas mejorados. La minería de datos incluye modelos descriptivos y predictivos. La investigación de operaciones incluye los tres. Este libro se centra en el análisis prescriptivo. El libro busca proporcionar explicaciones simples y demostración de algunas herramientas descriptivas. Esta segunda edición proporciona más ejemplos del impacto de big data, actualiza el contenido sobre visualización, aclara algunos puntos y amplía la cobertura de las reglas de asociación y el análisis de conglomerados. El Capítulo 1 ofrece una visión general en el contexto de la gestión del conocimiento. El capítulo 2 analiza algunos tipos de datos básicos. El Capítulo 3 cubre los fundamentos de las herramientas de modelado de series de tiempo y el Capítulo 4 proporciona una demostración del modelado de regresión múltiple. El Capítulo 5 demuestra el modelado de árboles de regresión. El Capítulo 6 presenta modelos autorregresivos/integrados/de media móvil, así como modelos GARCH. El Capítulo 7 cubre el conjunto de herramientas de minería de datos utilizadas en la clasificación, para incluir variantes especiales que admiten máquinas de vectores, bosques aleatorios y refuerzo. Los modelos se demuestran utilizando datos relacionados con el negocio. El estilo del libro pretende ser descriptivo, buscando explicar cómo funcionan los métodos, con algunas citas, pero sin referencias académicas profundas. Todos los conjuntos de datos y el software se seleccionan para una amplia disponibilidad y acceso por parte de cualquier lector con enlaces informáticos.
Nota de contenido:	Chapter 1 Knowledge Management -- Chapter 2 Data Sets -- Chapter 3 Basic Forecasting ToolsChapter 3 Basic Forecasting Tools -- Chapter 4 Multiple Regression -- Chapter 5 Regression Tree Models -- Chapter 6 Autoregressive Models -- Chapter 7 GARCH Models -- Chapter 8 Comparison of Models.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i