Nouveauté

Data Science with R. Supervised Learning: Univariate Time Series Models. Deterministic Models. DATA SCIENCE

Par : César Pérez López
Offrir maintenant
Ou planifier dans votre panier
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
  • Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
  • Compatible avec une lecture sur liseuses Vivlio
  • Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
Logo Vivlio, qui est-ce ?

Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement

Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
Google PlayApp Store
  • FormatePub
  • ISBN8232485504
  • EAN9798232485504
  • Date de parution13/11/2025
  • Protection num.pas de protection
  • Infos supplémentairesepub
  • ÉditeurHamza elmir

Résumé

This book delves into deterministic autoprojective time series prediction methods, which are essential tools in Data Science and, more specifically, in Predictive Artificial Intelligence. Holt Winters models, Brown models, moving average models, exponential models in general, state-space models, and time series models using neural networks are considered. A variety of exercises are developed using the prediction functions of R software for time series models.
This book delves into deterministic autoprojective time series prediction methods, which are essential tools in Data Science and, more specifically, in Predictive Artificial Intelligence. Holt Winters models, Brown models, moving average models, exponential models in general, state-space models, and time series models using neural networks are considered. A variety of exercises are developed using the prediction functions of R software for time series models.