Анализ поведенческих данных на R и Python

Задействуйте всю мощь поведенческих данных в своей компании, используя инструменты, специально разработанные для их анализа. Общепринятые алгоритмы науки о данных и инструменты предсказательной аналитики трактуют данные о поведении клиентов, такие как клики на веб-сайте или покупки в супермаркете, аналогично любым другим данным. Однако в этой книге представлены мощные методы, специально приспособленные для анализа поведенческих данных. Усовершенствованный экспериментальный дизайн позволяет вам получать максимальную отдачу от ваших A/B-тестов, тогда как причинно-следственные диаграммы позволяют выявлять причины поведений, даже если вы не можете проводить эксперименты. Книга написана в доступном стиле для исследователей данных, бизнес-аналитиков и бихевиористов. Приведены полные примеры и упражнения на языках R и Python, которые помогут вам получать более глубокую информацию о ваших данных — и не откладывая в долгий ящик.

Анализ и визуализация данных имеют большое значение, именно они позволяют принимать обоснованные решения. Но в Excel достаточно много ограничений, которые превращают вашу жизнь в ад. «Excel с Python и R» меняет правила. Стивен Сандерсон — автор пакетов healthyverse для R, и Дэвид Кун — соучредитель Functional Analytics, компании, создавшей ownR (платформа для разработки решений на R, Python и других языках обработки данных).Интеграция Python и R с Excel изменит ваш подход к анализу данных с использованием электронных таблиц. Вы сможете автоматизировать задачи статистического анализа и создавать мощные визуализации, научитесь выполнять разведочный анализ данных и анализ временных рядов и даже интегрировать различные API для максимальной эффективности. И новички, и эксперты найдут в этой книге все необходимое, чтобы раскрыть весь потенциал Excel и поднять навыки анализа данных на новый уровень.К концу книги вы освоите приемы импортирования данных из Excel, манипулирования ими в R или Python, сможете решать задачи анализа данных в выбранном вами фреймворке и возвращать результаты обратно в Excel.

Анализ и визуализация данных имеют большое значение, именно они позволяют принимать обоснованные решения. Но в Excel достаточно много ограничений, которые превращают вашу жизнь в ад. «Excel с Python и R» меняет правила. Стивен Сандерсон — автор пакетов healthyverse для R, и Дэвид Кун — соучредитель Functional Analytics, компании, создавшей ownR (платформа для разработки решений на R, Python и других языках обработки данных). Интеграция Python и R с Excel изменит ваш подход к анализу данных с использованием электронных таблиц. Вы сможете автоматизировать задачи статистического анализа и создавать мощные визуализации, научитесь выполнять разведочный анализ данных и анализ временных рядов и даже интегрировать различные API для максимальной эффективности. И новички, и эксперты найдут в этой книге все необходимое, чтобы раскрыть весь потенциал Excel и поднять навыки анализа данных на новый уровень. К концу книги вы освоите приемы импортирования данных из Excel, манипулирования ими в R или Python, сможете решать задачи анализа данных в выбранном вами фреймворке и возвращать результаты обратно в Excel.

Представьте, что вы не просто программируете, а создаете элегантные решения, обладая глубоким пониманием алгоритмов и структур данных. Откройте же мощь алгоритмического мышления с помощью Python. Разберитесь в алгоритмах и структурах данных с нуля до продвинутого уровня и применяйте знания в реальном мире.Кем бы вы ни были — начинающим программистом, опытным разработчиком, желающим расширить знания, или специалистом с нетехническим образованием, интересующимся анализом данных, — книга поможет улучшить понимание и навыки решения задач.

Представьте, что вы не просто программируете, а создаете элегантные решения, обладая глубоким пониманием алгоритмов и структур данных. Откройте же мощь алгоритмического мышления с помощью Python. Разберитесь в алгоритмах и структурах данных с нуля до продвинутого уровня и применяйте знания в реальном мире. Кем бы вы ни были — начинающим программистом, опытным разработчиком, желающим расширить знания, или специалистом с нетехническим образованием, интересующимся анализом данных, — книга поможет улучшить понимание и навыки решения задач.

Показаны технологии интеллектуального анализа данных. Особое внимание уделено задачам кластеризации и классификации. Приводится характеристика методов, алгоритмов и этапы решения этих задач с закреплением полученных знаний в виде выполнения лабораторных работ. Для студентов, обучающихся по направлениям подготовки укрупненной группы «Информатика и вычислительная техника», а также смежным направлениям подготовки и специальностям: «Прикладная математика и информатика», «Системный анализ и управление», «Прикладная математика». Может быть полезно аспирантам и научным работникам, которые в своей деятельности используют модели и методы искусственного интеллекта.

Показаны технологии интеллектуального анализа данных. Особое внимание уделено задачам кластеризации и классификации. Приводится характеристика методов, алгоритмов и этапы решения этих задач с закреплением полученных знаний в виде выполнения лабораторных работ. Для студентов, обучающихся по направлениям подготовки укрупненной группы «Информатика и вычислительная техника», а также смежным направлениям подготовки и специальностям: «Прикладная математика и информатика», «Системный анализ и управление», «Прикладная математика». Может быть полезно аспирантам и научным работникам, которые в своей деятельности используют модели и методы искусственного интеллекта.

Подробно рассмотрен ряд методов обработки многомерных данных, способов сокращения размерности и некоторых продвинутых методик визуализации этих данных. При этом приводится математическое обоснование и неформальное объяснение механизма действия методов. В частности, изучаются проблемы исключения грубых ошибок наблюдения, кластерный анализ, методы главных компонент, экстремальной группировки признаков и корреляционных плеяд, а также многомерного шкалирования и анфолдинга. Обсуждаются подходы к переводу качественных данных в числовую форму. Уделено значительное внимание выявлению и оцениванию силы связи как между числовыми, так и качественными показателями. Кроме этого, в книгу включены материалы о post-hoc задачах кластерного анализа и метрической структуре семейства кластерных разбиений конечного множества. Для тех исследователей, кто, имея математическую подготовку в объеме университетских курсов высшей математики, хочет не просто использовать многомерные статистические методы, а разобраться в механизме их действия. Может быть использовано как основа для чтения специальных курсов магистрантам и аспирантам направлений, использующих в своих предметных областях статистические методы.

Подробно рассмотрен ряд методов обработки многомерных данных, способов сокращения размерности и некоторых продвинутых методик визуализации этих данных. При этом приводится математическое обоснование и неформальное объяснение механизма действия методов. В частности, изучаются проблемы исключения грубых ошибок наблюдения, кластерный анализ, методы главных компонент, экстремальной группировки признаков и корреляционных плеяд, а также многомерного шкалирования и анфолдинга. Обсуждаются подходы к переводу качественных данных в числовую форму. Уделено значительное внимание выявлению и оцениванию силы связи как между числовыми, так и качественными показателями. Кроме этого, в книгу включены материалы о post-hoc задачах кластерного анализа и метрической структуре семейства кластерных разбиений конечного множества. Для тех исследователей, кто, имея математическую подготовку в объеме университетских курсов высшей математики, хочет не просто использовать многомерные статистические методы, а разобраться в механизме их действия. Может быть использовано как основа для чтения специальных курсов магистрантам и аспирантам направлений, использующих в своих предметных областях статистические методы.

Данное учебное пособие "Математика и анализ данных с поддержкой MS Excel и языка R" разработано для учебного и методического обеспечения организации и проведения учебного процесса по дисциплине "Математика и анализ данных" для студентов, обучающихся по направлениям подготовки "Гостиничное дело", "Государственное и муниципальное управление", "Политология", "Социология", "Туризм", "Управление персоналом" по программе подготовки бакалавра в соответствии с Федеральными государственными образовательными стандартами высшего образования последнего поколения.В учебном пособии последовательно излагаются общие характеристики табличного процессора MS Excel и языка программирования R с дальнейшим применением их по мере изучения основных положений линейной алгебры, математического анализа, теории вероятностей и математической статистики. Каждый раздел начинается с изложения теоретического материала, снабженного большим количеством решенных примеров разного уровня сложности. Решение примеров проводится традиционным способом, а также для основных типов задач приводится реализация решения в MS Excel и с использованием языка R. В каждом разделе находятся задачи для самостоятельного решения, ответы к которым приведены в конце пособия.Пособие предназначено, в первую очередь, для студентов, обучающихся по программам академического бакалавриата, изучающих вышеперечисленные разделы математики, и стремящихся освоить современные инструментальные средства и их применение при решении задач. Также оно может быть рекомендовано для программ прикладного бакалавриата, при обучении слушателей бизнес-школ, колледжей, также для программ повышения квалификации и всем желающим приобрести основы математических знаний.