Tutorial Data Science

Model autoregresif memprediksi nilai masa depan dari deret waktu berdasarkan masa lalunya sendiri. Pelajari cara memasangnya di Python dengan statsmodels, memilih orde lag dengan PACF dan AIC/BIC, serta membandingkannya dengan MA dan ARIMA.

Pelajari bagaimana ARIMAX memperluas ARIMA dengan prediktor eksternal, pahami parameter dan asumsi-asumsinya, serta bangun model peramalan di Python dengan statsmodels.

Pelajari cara SARIMAX menggabungkan pemodelan deret waktu musiman dengan prediktor eksternal. Pahami parameternya, lihat perbedaannya dengan ARIMA dan SARIMA, dan bangun model peramalan di Python.

Pelajari apa itu kuadratur, bagaimana integrasi numerik mendekati integral tentu, dan bagaimana aturan seperti trapesium, Simpson, serta kuadratur Gauss bekerja.

Pelajari cara kerja transformasi Box-Cox, cara memilih parameter lambda, dan kapan menggunakannya untuk menstabilkan varians, mengurangi skewness, dan meningkatkan model statistik.

Rasio likelihood membandingkan seberapa baik dua hipotesis atau model menjelaskan data yang sama, dan artikel ini membahas rumusnya, contoh kerja lempar koin, uji rasio likelihood untuk model regresi bertingkat di Python dan R, serta rasio likelihood diagnostik.

Regresi stepwise mengotomatiskan seleksi prediktor dengan pencarian maju, mundur, dan dua arah, tetapi kesederhanaannya memiliki trade-off dalam stabilitas dan overfitting.

Pelajari cara kerja kecerdasan kawanan dengan mengimplementasikan ant colony optimization (ACO), particle swarm optimization (PSO), dan artificial bee colony (ABC) menggunakan Python.

Pelajari scripting Python tingkat lanjut di Tableau dengan menerapkan model peramalan Facebook Prophet ke server Tableau dan membuat visualisasi deret waktu dinamis.

Pelajari bagaimana aproksimasi polinomial menggerakkan gradient descent, XGBoost, dan fungsi yang dihitung komputer Anda setiap hari.

Pelajari cara memecah data deret waktu menjadi komponen bermakna seperti tren, musiman, dan residual menggunakan model aditif dan multiplikatif. Pelajari metode klasik dan STL. Jelajahi penyesuaian musiman dan praktikkan peramalan dengan model dekomposisi.

Daftar 5 grafik paling populer di kalangan pengguna dan penggemar R.