Predictive Analytics für das moderne Unternehmen

Kapitel 5. Python und scikit-learn für Predictive Analytics

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wir haben unsere Reise mit einer kurzen Geschichte der Datenanalyse begonnen. Wir haben über die Bedeutung von Predictive Analytics in modernen Unternehmen gesprochen und einige Anwendungsfälle aus der Industrie besprochen, um die realen Auswirkungen ihrer Umsetzung zu verstehen. Dann sind wir ein wenig in die Statistik und Mathematik hinter den verschiedenen Predictive-Analytics-Algorithmen eingetaucht (wenn du Taucher bist, kannst du dir das wie einen 10-Meter-Tauchgang vorstellen und nicht wie eine 100-Meter-Tiefseeexploration). Ich bin ein großer Befürworter eines soliden Fundaments. Ich bin der Meinung, dass man die Details viel leichter erlernen und verstehen kann, wenn man die Grundlagen erst einmal verstanden hat, auch wenn sie sich im Laufe der Zeit weiterentwickeln können. Nachdem wir nun die analytischen Grundlagen geschaffen haben, werden wir uns in diesem Kapitel die Hände schmutzig machen und einige konkrete Vorhersagen treffen.

Anaconda und Jupyter Notebooks

Dies ist ein praxisorientiertes Kapitel. Wenn du in der Datenwissenschaft tätig bist oder studierst, sollte dir der Inhalt vertraut sein. Aber auch wenn du neu in der Datenwissenschaft bist, sollten die Inhalte und der Beispielcode so klar sein, dass du sie verstehst, solange du ein grundlegendes Verständnis von Computerprogrammierung ...