Tutorial di Data Science

Un modello autoregressivo prevede i valori futuri di una serie temporale dal suo passato. Impara ad adattarne uno in Python con statsmodels, scegliere l’ordine dei lag con PACF e AIC/BIC e confrontarlo con MA e ARIMA.

Scopri come ARIMAX estende ARIMA con predittori esterni, comprendi parametri e assunzioni e costruisci un modello di forecasting in Python con statsmodels.

Scopri come SARIMAX combina la modellazione delle serie stagionali con predittori esterni. Capisci i suoi parametri, vedi come differisce da ARIMA e SARIMA e costruisci un modello di previsione in Python.

Scopri cos’è la quadratura, come l’integrazione numerica approssima gli integrali definiti e come funzionano metodi come la regola del trapezio, la regola di Simpson e la quadratura gaussiana.

Scopri come funziona la trasformazione di Box-Cox, come scegliere il parametro lambda e quando usarla per stabilizzare la varianza, ridurre l’asimmetria e migliorare i modelli statistici.

Esistono diversi tipi di grafici in R, dai tipi di base a quelli più complessi. Qui scopriamo come crearli.

In questo tutorial imparerai a eseguire il test chi quadrato nei fogli di calcolo.

Un rapporto di verosimiglianza confronta quanto bene due ipotesi o modelli spiegano gli stessi dati; questo articolo copre la formula, un esempio sui lanci di moneta, il test del rapporto di verosimiglianza per modelli di regressione annidati in Python e R e i rapporti di verosimiglianza diagnostici.

Stepwise regression automates predictor selection with forward, backward, and bidirectional search, but its simplicity comes with trade-offs in stability and overfitting.

In questo tutorial, scopri 10 comode utility da riga di comando in PostgreSQL che ti permettono di interagire in modo efficiente con i database.

Scopri gli strumenti essenziali per Python per lo sviluppo software, lo scraping e lo sviluppo web, l’analisi e la visualizzazione dei dati e il machine learning.

Scopri insight azionabili nascosti in dati di segnale complessi filtrando il rumore, scegliendo visualizzazioni appropriate, trovando pattern nel dominio del tempo e della frequenza e altro ancora, usando l’elaborazione dei segnali.