Med utgångspunkt i författarnas två decenniers erfarenhet inom tillämpad modellering och datautvinning presenterar Foundations of Predictive Analytics den grundläggande bakgrund som krävs för att analysera data och bygga modeller för många praktiska tillämpningar, såsom modellering av konsumentbeteende, risk och marknadsföringsanalys samt andra områden. Den diskuterar också en mängd praktiska ämnen som ofta saknas i liknande texter. Boken inleds med den statistiska och linjära algebra/matrisgrunden för modelleringsmetoder, från fördelningar till kumulanta och kopulafunktioner till Cornish-Fisher-expansion och andra användbara men svårfunna statistiska tekniker. Den beskriver sedan vanliga och ovanliga linjära metoder samt populära icke-linjära modelleringsmetoder, inklusive additiva modeller, trädstöd, vektormaskiner, fuzzy-system, klustring, naiva Bayes och neurala nätverk. Författarna fortsätter med att behandla metoder som används i tidsserier och prognoser, såsom ARIMA-GARCH och överlevnadsanalys. De presenterar också en rad optimeringstekniker och utforskar flera specialämnen, såsom Dempster-Shafer-teorin. Denna fristående bok är en djupgående samling av det viktigaste grundläggande materialet om prediktiv analys och ger den information som behövs för att förstå olika tekniker för explorativ dataanalys och modellering. Den förklarar de algoritmiska detaljerna bakom varje teknik (inklusive underliggande antaganden och matematiska formuleringar) och visar hur man förbereder och kodar data, väljer variabler, använder modellens godhetsmått, normaliserar odds och utför inferens för avvisande. Webbresurs Bokens webbplats på www.DataMinerXL.com erbjuder DataMinerXL-programvaran för att bygga prediktiva modeller. Webbplatsen innehåller också fler exempel och information om modellering. Språk: Engelska