عنوان کتاب به انگلیسی: |
Data Forecasting and Segmentation Using Microsoft Excel: Perform data grouping, linear predictions, and time series machine learning statistics without using code |
| سال انتشار: 2022 | 325 صفحه | حجم فایل: 11 مگابایت | زبان: انگلیسی |
| نویسنده | Fernando Roque |
| ناشر | Packt Publishing |
| ISBN10: | 1803247738 |
| ISBN13: | 9781803247731 |
توضیحات کتاب
Key FeaturesSegment data, regression predictions, and time series forecasts without writing any code
Group multiple variables with K-means using Excel plugin without programming
Build, validate, and predict with a multiple linear regression model and time series forecastsBook Description
Data Forecasting and Segmentation Using Microsoft Excel guides you through basic statistics to test whether your data can be used to perform regression predictions and time series forecasts. The exercises covered in this book use real-life data from Kaggle, such as demand for seasonal air tickets and credit card fraud detection.
You’ll learn how to apply the grouping K-means algorithm, which helps you find segments of your data that are impossible to see with other analyses, such as business intelligence (BI) and pivot analysis. By analyzing groups returned by K-means, you’ll be able to detect outliers that could indicate possible fraud or a bad function in network packets.
By the end of this Microsoft Excel book, you’ll be able to use the classification algorithm to group data with different variables. You’ll also be able to train linear and time series models to perform predictions and forecasts based on past data.
What you will learn
Understand why machine learning is important for classifying data segmentation
Focus on basic statistics tests for regression variable dependency
Test time series autocorrelation to build a useful forecast
Use Excel add-ins to run K-means without programming
Analyze segment outliers for possible data anomalies and fraud
Build, train, and validate multiple regression models and time series forecasts
Who this book is for
This book is for data and business analysts as well as data science professionals. MIS, finance, and auditing professionals working with MS Excel will also find this book beneficial.
Table of Contents
Understanding Data Segmentation
Applying Linear Regression
What is Time Series?
An Introduction to Data Grouping
Finding the Optimal Number of Single Variable Groups
Finding the Optimal Number of Multi-Variable Groups
Analyzing Outliers for Data Anomalies
Finding the Relationship between Variables
Building, Training, and Validating a Linear Model
Building, Training, and Validating a Multiple Regression Model
Testing Data for Time Series Compliance
Working with Time Series Using the Centered Moving Average and a Trending Component
Training, Validating, and Running the Model
توضیحات کتاب به فارسی (ترجمه ماشینی)
پیش بینی های سری زمانی ، پیش بینی خطی و تقسیم بندی داده ها را با یادگیری ماشین اکسل بدون کد انجام دهید
ویژگی های کلیدی
داده های بخش ، پیش بینی های رگرسیون و پیش بینی های سری زمانی بدون نوشتن هیچ کد
متغیرهای متعدد با K-Means با استفاده از افزونه اکسل بدون برنامه نویسی گروه
با یک مدل رگرسیون خطی چندگانه و پیش بینی های سری زمانی ایجاد ، اعتبار و پیش بینی کنید
توضیحات کتاب
پیش بینی داده ها و تقسیم بندی با استفاده از Microsoft Excel شما را از طریق آمار اساسی راهنمایی می کند تا آزمایش کند که آیا از داده های شما می توان برای انجام پیش بینی های رگرسیون و پیش بینی های سری زمانی استفاده کرد.تمرینات تحت پوشش این کتاب از داده های زندگی واقعی از Kaggle استفاده می کند ، مانند تقاضا برای بلیط های هوای فصلی و تشخیص کلاهبرداری کارت اعتباری.
شما یاد می گیرید که چگونه الگوریتم گروه بندی K-Means را اعمال کنید ، که به شما کمک می کند بخش هایی از داده های خود را پیدا کنید که با سایر تجزیه و تحلیل ها ، مانند هوش تجاری (BI) و تجزیه و تحلیل محوری ، غیرممکن است.با تجزیه و تحلیل گروه هایی که توسط K-Means برگشته اند ، شما قادر خواهید بود تا دور را که می تواند تقلب احتمالی یا عملکرد بد در بسته های شبکه را نشان دهد ، تشخیص دهید.
با پایان این کتاب Microsoft Excel ، شما می توانید از الگوریتم طبقه بندی برای گروه بندی داده ها با متغیرهای مختلف استفاده کنید.همچنین می توانید مدل های سری خطی و زمانی را برای انجام پیش بینی ها و پیش بینی ها بر اساس داده های گذشته آموزش دهید.
آنچه یاد خواهید گرفت
درک کنید که چرا یادگیری ماشین برای طبقه بندی تقسیم بندی داده ها مهم است
برای وابستگی به متغیر رگرسیون روی آزمون های آماری اساسی تمرکز کنید
همبستگی سری زمانی آزمایش برای ایجاد یک پیش بینی مفید
برای اجرای k-means بدون برنامه نویسی از افزودنیهای اکسل استفاده کنید
برای ناهنجاری های احتمالی داده ها و کلاهبرداری ، قسمت های خارج از بخش را تجزیه و تحلیل کنید
ساخت ، آموزش و اعتبار سنجی مدل های رگرسیون چندگانه و پیش بینی های سری زمانی
این کتاب برای چه کسی است
این کتاب برای تحلیلگران داده و تجارت و همچنین متخصصان علوم داده است.MIS ، امور مالی و حسابرسی که با MS Excel کار می کنند ، این کتاب را نیز مفید می داند.
فهرست مطالب
درک تقسیم بندی داده ها
استفاده از رگرسیون خطی
سریال های زمانی چیست؟
مقدمه ای برای گروه بندی داده ها
یافتن تعداد بهینه گروههای متغیر واحد
یافتن تعداد بهینه گروههای چند متغیر
تجزیه و تحلیل دور از ناهنجاری های داده
یافتن رابطه بین متغیرها
ساختمان ، آموزش و اعتبار سنجی یک مدل خطی
ساختمان ، آموزش و اعتبار سنجی یک مدل رگرسیون چندگانه
آزمایش داده ها برای انطباق سری زمانی
کار با سری زمانی با استفاده از میانگین متحرک محور و یک مؤلفه گرایش
آموزش ، اعتبار سنجی و اجرای مدل
| توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی. |
| به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست. |
| در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید. |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.