应用预测建模 (Applied Predictive Modeling 中文版)

Applied Predictive Modeling.2013 机器学习，数据挖掘参考资料

driving-behavior-risk-prediction. 2018平安产险数据建模大赛 驾驶行为预测驾驶风险 Fork或借鉴请注明出处  . Thx 比赛链接 RANK 第五周 第六周 相关文章 License Copyright (c) . All rights reserved. Licensed under the License.

纽约市财产回归 基于纽约数据的房地产价格预测的真实案例研究。 项目背景 以在纽约州投资于房屋和公寓的房地产投资信托（REIT）为例，房地产投资信托（REIT）业务的一部分是试图预测房地产在出售前的公平交易价格。 他们这样做是为了校准内部定价模型并保持市场脉动。 在此项目中，数据集表示纽约州一个小县内房屋，公寓和公寓的投资。 当前的工作解决方案 房地产投资信托目前使用第三方评估服务，以其自身的专业知识估算房地产价格。 在实践中，各个评估员的技能水平差异很大。 为了估算错误定价范围，房地产投资信托基金进行了试运行，以将实际交易价格与评估师的估算值进行比较。 结果发现，没有经验的评估员给出的估计数平均相差70,000美元。 作为数据科学家的角色 房地产投资信托基金已决定采用数据驱动的方法来评估物业，而不是依靠评估师的个人专业知识。 目前，房地产投资信托基金有尚未开发的市场上先前物业交易价格

这是一本专注于预测建模的数据分析书，意在为实践者提供预测建模过程的指导，比如如何进行数据预处理、模型调优、预测变量重要性度量、变量选择等。读者可以从中学到许多建模方法以及提高对许多常用的、现代的有效模型的认识，如线性回归、非线性回归和分类模型，涉及树方法、支持向量机等。第10章和第17章分别研究混凝土混合物的抗压强度和作业调度两个案例。 　　作者重实际应用，轻数学理论，从实际数据出发，结合开源软件R语言来求解实际问题，详细给出R代码和处理的步骤。R包AppliedPredictiveModeling包含书中使用的数据，以及可以用于重复书中每一章分析的R代码，让读者能在一定精度范围内重复本书的结果，并自然地将书中的预测建模方法应用到自己的数据上。章后附有习题，方便读者巩固所学。 　　这本业界互相推荐的好书，适合所有数据分析人员阅读。

是一本介绍预测模型的书籍，，发内容非常详尽，值得推荐给大家看

Predictive Modeling with SAS Enterprise Miner: Practical Solutions for Business Applications, Second Edition。 Learn how to produce predictive models and prepare presentation-quality graphics in record time with Predictive Modeling with SAS Enterprise Miner: Practical Solutions for Business Applications, Second Edition. If you are a graduate student, researcher, or statistician interested in predictive modeling; a data mining expert who wants to learn SAS Enterprise Miner; or a business analyst looking for an introduction to predictive modeling using SAS Enterprise Miner, you'll be able to develop predictive models quickly and effectively using the theory and examples presented in this book. Author Kattamuri Sarma offers the theory behind, programming steps for, and examples of predictive modeling with SAS Enterprise Miner, along with exercises at the end of each chapter. You'll gain a comprehensive awareness of how to find solutions for your business needs. This second edition features expanded coverage of the SAS Enterprise Miner nodes, now including File Import, Time Series, Variable Clustering, Cluster, Interactive Binning, Principal Components, AutoNeural, DMNeural, Dmine Regression, Gradient Boosting, Ensemble, and Text Mining. Develop predictive models quickly, learn how to test numerous models and compare the results, gain an in-depth understanding of predictive models and multivariate methods, and discover how to do in-depth analysis. Do it all with Predictive Modeling with SAS Enterprise Miner.