Логистическая регрессия: Пампел, Груздев, Цвиркун
Оцените и оставьте рецензию
В книге рассказывается о математическом аппарате логистической регрессии, способах интерпретации регрессионных коэффициентов, даются программные реализации методов оценивания (метод градиентного спуска, метод Ньютона без регуляризации/с регуляризацией), приведены примеры развертывания моделей с помо
Полная аннотация
Издательство
Все характеристики
Аннотация
В книге рассказывается о математическом аппарате логистической регрессии, способах интерпретации регрессионных коэффициентов, даются программные реализации методов оценивания (метод градиентного спуска, метод Ньютона без регуляризации/с регуляризацией), приведены примеры развертывания моделей с помощью Streamlit, Streamlit Cloud, Docker, FastAPI и Flask.
Книга будет интересна специалистам по анализу данных, маркетологам и риск-аналитикам.
Книга будет интересна специалистам по анализу данных, маркетологам и риск-аналитикам.
Характеристики
Издательство
ID товара
954708
ISBN
978-5-93700-213-6
Язык
Русский
Страниц
218 (Офсет)
Вес
478 г
Размеры
240x170x15 мм
Тип обложки
7Б - твердая (плотная бумага или картон)
Иллюстрации
Черно-белые
Все характеристики
Ограниченное количество1 586
3 172
Книги от осенней хандры
-50%
Вы сэкономите
1586
Скидка 50%
1 586
3 172
Рецензии на книгу
Читали книгу? Как она вам?
+50 ₽ за рецензию
Вы можете стать одним из первых, кто напишет рецензию на эту книгу, и получить бонус — до 50 рублей на баланс в Лабиринте!
Книги из жанра
1 6883 376 -50% Еще 6 дней
1 9183 836 -50% Еще 6 дней
9011 802 -50% Еще 6 дней
1 5543 107 -50% Еще 6 дней
Корпоративное озеро больших данных. Новый подход к использованию Big Data и Data Science в бизнесе
Горелик Алекс
3.6
472944 -50% Еще 6 дней
6351 270 -50% Еще 6 дней
5391 078 -50% Еще 6 дней
4 7589 516 -50% Еще 6 дней
1 5943 187 -50% Еще 6 дней
1 5543 107 -50% Еще 6 дней
3 0146 028 -50% Еще 6 дней
1 3772 754 -50% Еще 6 дней
7971 594 -50% Еще 6 дней
1 7443 487 -50% Еще 6 дней
3 4056 810 -50% Еще 6 дней
Основы машинного обучения для аналитического прогнозирования. Алгоритмы, рабочие примеры
Келлехер Джон Д. 2.9
