دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آمار ریاضی ویرایش: نویسندگان: Julian J. Faraway سری: ISBN (شابک) : 9781138483958 ناشر: Chapman and Hall/CRC سال نشر: 2020 تعداد صفحات: 309 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مدل های خطی با پایتون: آمار، مدل های خطی، پایتون
در صورت تبدیل فایل کتاب Linear Models with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل های خطی با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مانند نسخه همراه پرفروش و تحسین شده خود، مدل های خطی با R، R را با پایتون جایگزین می کند تا به طور یکپارچه توضیحی منسجم از تمرین مدل سازی خطی ارائه دهد. مدلهای خطی با پایتون بینش بهروزی را در مورد موضوعات تجزیه و تحلیل دادههای ضروری، از تخمین، استنتاج و پیشبینی گرفته تا دادههای گمشده، مدلهای فاکتوریل و طرحهای بلوک ارائه میدهد. مثال های متعدد نحوه اعمال روش های مختلف با استفاده از پایتون را نشان می دهد.
Like its widely praised, best-selling companion version, Linear Models with R, this book replaces R with Python to seamlessly give a coherent exposition of the practice of linear modeling. Linear Models with Python offers up-to-date insight on essential data analysis topics, from estimation, inference and prediction to missing data, factorial models and block designs. Numerous examples illustrate how to apply the different methods using Python.
1.Introduction 2.Estimation 3.Inference 4.Prediction 5.Explanation 6.Diagnostics 7.Problems with the Predictors 8.Problems with the Errors 9.Transformation 10.Model Selection 11.Shrinkage Methods 12.Insurance Redlining —A Complete Example 13.Missing Data 14.Categorical Predictors 15.One Factor Models 16.Models with Several Factors 17.Experiments with Blocks 18.About Python