Прогнозная аналитика на основе сетевых данных в R

В этом курсе вы научитесь применять современные методы прогнозной аналитики на основе сетевых данных в R. Цель сетевой аналитики — предсказать, к какому классу относится узел сети: например, уйдёт ли клиент или останется, является ли он мошенником или нет, допустит ли дефолт или нет. Для решения этих задач мы рассмотрим, как использовать информацию о сети и её структуре в прогностических целях. В частности, мы познакомим вас с идеей векторизации признаков: сетевые признаки добавляются к несетевым, что повышает качество любой аналитической модели. В ходе курса вы будете использовать пакет igraph для построения и разметки сети клиентов в задаче прогнозирования оттока, а также изучите основы сетевого обучения. Затем вы узнаете о гомофилии, диадичности и гетерофилии и о том, как применять их для получения ключевых исследовательских выводов о сети. Далее вы воспользуетесь возможностями пакета igraph для вычисления различных сетевых признаков — как узловых, так и основанных на соседях. Кроме того, вы применете алгоритм Google PageRank для вычисления сетевых признаков и эмпирически проверите их прогностическую силу. В завершение вы научитесь формировать плоский набор данных из сети и анализировать его с помощью логистической регрессии и случайного леса.