Предсказательная аналитика с KNIME
Покупка
Новинка
Тематика:
Программирование и алгоритмизация
Издательство:
ДМК Пресс
Автор:
Асито Фрэнк
Перевод:
Гинько Александр Юрьевич
Год издания: 2025
Кол-во страниц: 362
Дополнительно
Вид издания:
Практическое пособие
Уровень образования:
Профессиональное образование
ISBN: 978-5-93700-354-6
Артикул: 890537.01.99
Книга посвящена интеллектуальному анализу данных с помощью KNIME — инструмента с открытым исходным кодом и визуальным интерфейсом разработки. Здесь вы найдете подробное описание наиболее распространенных методов машинного обучения, таких как линейная и логистическая регрессия, кластерный анализ, деревья решений, нейронные сети и т.д. Вы также научитесь реализовывать эти методы на практике с применением KNIME.
Издание адресовано специалистам, работающим с KNIME, и всем желающим изучить основы машинного обучения при помощи удобного бесплатного инструмента.
- ДМК Пресс. Информационные системы и технологии
- ДМК Пресс. Искусственный интеллект и машинное обучение
- ДМК Пресс. ИТ-технологии для профессионалов
- Интермедиатор. Информационные системы и технологии (сводная)
- Интермедиатор. Искусственный интеллект и машинное обучение (сводная)
- Интермедиатор. ИТ-технологии для профессионалов (сводная)
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 09.03.01: Информатика и вычислительная техника
- 09.03.02: Информационные системы и технологии
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Фрэнк Асито Предсказательная аналитика с KNIME
Frank Acito Predictive Analytics with KNIME Analytics for Citizen Data Scientists
Фрэнк Асито Предсказательная аналитика с KNIME Методы машинного обучения – наглядно и доступно Москва, 2025
УДК 004.4KNIME:[004.6+004.85] ББК 32.972 А90 Асито Ф. А90 Предсказательная аналитика с KNIME / пер. с англ. А. Ю. Гинько. – М.: ДМК Пресс, 2025. – 360 с.: ил. ISBN 978-5-93700-354-6 Книга посвящена интеллектуальному анализу данных с помощью KNIME – инструмента с открытым исходным кодом и визуальным интерфейсом разработки. Здесь вы найдете подробное описание наиболее распространенных методов машинного обучения, таких как линейная и логистическая регрессия, кластерный анализ, деревья решений, нейронные сети и т. д. Вы также научитесь реализовывать эти методы на практике с применением KNIME. Издание адресовано специалистам, работающим с KNIME, и всем желающим изучить основы машинного обучения при помощи удобного бесплатного инструмента. УДК 004.4KNIME:[004.6+004.85] ББК 32.972 This work is subject to copyright. All rights are solely and exclusively licensed by the Publisher, whether the whole or part of the material is concerned, specifcally the rights of translation, reprinting, reuse of illustrations, recitation, broadcasting, reproduction on microflms or in any other physical way, and transmission or information storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now known or hereafter developed. Все права защищены. Любая часть этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами без письменного разрешения владельцев авторских прав. © Springer Nature Switzerland AG, 2023 © Перевод, оформление, издание, ДМК Пресс, 2025
Я посвящаю эту книгу моей любящей жене Сэнди – за ее терпение, поддержку и понимание
Содержание От издательства.......................................................................................................10 Предисловие.............................................................................................................11 Об авторе...................................................................................................................13 О переводчике.........................................................................................................14 Глава 1. Введение в аналитику...........................................................................15 1.1. Рост спроса на аналитику.....................................................................................16 1.2. Применение аналитики.......................................................................................20 1.3. Аналитик-любитель..............................................................................................22 1.4. Аналитический процесс.......................................................................................23 1.5. Заключение...........................................................................................................24 Ссылки..........................................................................................................................25 Глава 2. Постановка задачи.................................................................................26 2.1. Экспертное мнение относительно определения поставленной задачи...........27 2.2. Пример неправильной постановки задачи в компании сотовой связи...........28 2.3. Определение аналитической задачи...................................................................29 2.4. Структурированные и неструктурированные задачи........................................31 2.5. Начинаем с описания задачи...............................................................................32 2.6. Заключение...........................................................................................................35 Ссылки..........................................................................................................................35 Глава 3. Введение в KNIME..................................................................................37 3.1. Особенности KNIME.............................................................................................37 3.2. Рабочая среда KNIME............................................................................................38 3.3. Учимся использовать KNIME...............................................................................40 3.4. Расширения и интеграции в KNIME....................................................................41 3.5. Типы данных в KNIME..........................................................................................41 3.6. Пример: предсказание заболевания сердца с помощью KNIME.......................42 3.7. Пример: подготовка клинических данных с помощью KNIME.........................47 3.8. Переменные процесса..........................................................................................51 3.9. Циклы в KNIME.....................................................................................................57 3.10. Метаузлы и компоненты в KNIME.....................................................................62 3.11. Заключение.........................................................................................................68 Приложения..................................................................................................................68 Приложение 1: интеграция языка R в KNIME........................................................68 Приложение 2: регулярные выражения для поиска шаблонов в тексте..............69
Содержание 7 Глава 4. Подготовка данных...............................................................................72 4.1. Получение необходимых данных........................................................................72 4.2. Очистка данных....................................................................................................73 4.3. Узлы для очистки данных в KNIME.....................................................................74 4.4. Пропущенные значения.......................................................................................75 4.5. Обработка пропущенных значений....................................................................83 4.6. Выбросы................................................................................................................84 4.7. Конструирование признаков................................................................................96 4.8. Пример подготовки данных с помощью KNIME................................................99 4.9. Заключение.........................................................................................................104 Ссылки........................................................................................................................105 Глава 5. Снижение размерности......................................................................106 5.1. Проблемы, связанные с наличием большого количества переменных..........106 5.2. Подходы к снижению размерности...................................................................108 5.3. Анализ главных компонент...............................................................................114 5.4. Пример применения анализа главных компонент..........................................117 5.5. Математика в основе анализа главных компонент.........................................122 5.6. Заключение.........................................................................................................125 Ссылки........................................................................................................................125 Глава 6. Регрессия методом наименьших квадратов..............................126 6.1. Основы простой линейной регрессии...............................................................127 6.2. Множественная регрессия.................................................................................129 6.3. Построение предсказательной регрессионной модели...................................129 6.4. Нелинейные зависимости..................................................................................132 6.5. Оценка точности предсказаний........................................................................136 6.6. Примеры применения регрессии......................................................................137 6.7. Заключение..........................................................................................................146 Ссылки........................................................................................................................147 Глава 7. Логистическая регрессия....................................................................148 7.1. Основы бинарной логистической регрессии....................................................149 7.2. Моделирование вероятностей...........................................................................150 7.3. Оценка параметров логистической регрессии.................................................151 7.4. Пример с использованием сгенерированных данных.....................................151 7.5. Нелинейные свойства коэффициентов логистической регрессии..................154 7.6. Интерпретация результатов логистического анализа с помощью логарифма шансов.....................................................................................................159 7.7. Оценка качества моделей классификации........................................................160 7.8. Пример: предсказание текучки кадров с помощью логистической регрессии....................................................................................................................169 7.9. Интерпретация и значимость предикторов.....................................................175 7.10. Пример: предсказание наличия сердечного заболевания с использованием логистической регрессии...........................................................178 7.11. Логистическая регрессия с регуляризацией...................................................182 7.12. Асимметрия выгод и издержек........................................................................185
8 Содержание 7.13. Мультиномиальная логистическая регрессия.................................................190 7.14. Заключение........................................................................................................193 Приложение: каппа Коэна.........................................................................................194 Ссылки........................................................................................................................196 Глава 8. Деревья классификации и регрессии...........................................197 8.1. Деревья классификации.....................................................................................197 8.2. Применение деревьев решений........................................................................199 8.3. Разработка дерева классификации...................................................................200 8.4. Построение деревьев решений с использованием неопределенности Джини..........................................................................................................................202 8.5. Обрезка ветвей дерева во избежание переобучения.......................................205 8.6. Пропущенные значения в анализе деревьев решений....................................211 8.7. Выбросы в деревьях классификации.................................................................213 8.8. Прогнозирование оттока клиентов с помощью деревьев классификации....214 8.9. Деревья регрессии..............................................................................................217 8.10. Пример: перегрузки во время аварий на мотоцикле.....................................219 8.11. Преимущества и недостатки деревьев решений............................................221 8.12. Заключение.......................................................................................................222 Ссылки........................................................................................................................223 Глава 9. Наивный Байес......................................................................................224 9.1. Постановка задачи..............................................................................................224 9.2. Иллюстрация теоремы Байеса...........................................................................226 9.3. Иллюстрация наивного Байеса на вымышленном наборе данных................228 9.4. Предположение об условной независимости...................................................230 9.5. Наивный Байес с непрерывными предикторами............................................231 9.6. Сглаживание Лапласа.........................................................................................232 9.7. Пример использования наивного Байеса для определения болезней сердца..........................................................................................................................233 9.8. Пример использования наивного Байеса для поиска спама...........................235 9.9. Заключение и комментарии относительно наивного байесовского классификатора..........................................................................................................238 Ссылки........................................................................................................................238 Глава 10. Метод k-ближайших соседей........................................................239 10.1. Как работает метод k-ближайших соседей.....................................................241 10.2. Двумерный графический пример метода kNN...............................................242 10.3. Пример применения метода kNN для диагностики сердечных заболеваний................................................................................................................243 10.4. Метод kNN для непрерывной целевой переменной......................................247 10.5. Метод kNN для многоклассовой целевой переменной..................................252 10.6. Заключение.......................................................................................................257 Ссылки........................................................................................................................259 Глава 11. Нейронные сети..................................................................................260 11.1. Что такое искусственная нейронная сеть?......................................................261 11.2. Процесс обучения нейронных сетей...............................................................264
Содержание 9 11.3. Пример однослойного перцептрона...............................................................267 11.4. Пример многослойного перцептрона.............................................................268 11.5. Пример применения многослойного перцептрона в задаче с многоклассовой категориальной целевой переменной.......................................271 11.6. Рассуждения об использовании нейронных сетей.........................................274 11.7. Пример использования нейронной сети для предсказания платежеспособности..................................................................................................277 11.8. Пример использования нейронной сети для предсказания стоимости подержанных автомобилей.......................................................................................284 11.9. Заключение.......................................................................................................288 Ссылки........................................................................................................................289 Глава 12. Ансамблевые модели.......................................................................291 12.1. Создание ансамблевых моделей......................................................................292 12.2. Ансамблевые модели на основе деревьев решений.......................................293 12.3. Пример применения ансамблевых моделей с непрерывной целевой переменной................................................................................................................297 12.4. Пример применения ансамблевых моделей с бинарной целевой переменной................................................................................................................300 12.5. Заключение.......................................................................................................302 Ссылки........................................................................................................................303 Глава 13. Кластерный анализ............................................................................304 13.1. Сколько у нас кластеров?.................................................................................304 13.2. Рекомендованные шаги при выполнении кластеризации............................306 13.3. Иерархический кластерный анализ................................................................316 13.4. Кластеризация методом k-средних.................................................................325 13.5. Кластеризация на основе плотности...............................................................333 13.6. Нечеткая кластеризация..................................................................................335 13.7. Проверка кластеров..........................................................................................337 13.8. Заключение.......................................................................................................338 Ссылки........................................................................................................................339 Глава 14. Представление и развертывание модели................................340 14.1. Составление и презентация итогового отчета...............................................340 14.2. Визуализация данных.......................................................................................343 14.3. Процесс развертывания предсказательных моделей....................................345 14.4. Заключение.......................................................................................................353 Ссылки........................................................................................................................353 Предметный указатель.......................................................................................355
От издательства Отзывы и пожелания Мы всегда рады отзывам наших читателей. Расскажите нам, что вы думаете об этой книге – что понравилось или, может быть, не понравилось. Отзывы важны для нас, чтобы выпускать книги, которые будут для вас максимально полезны. Вы можете написать отзыв на нашем сайте www.dmkpress.com, зайдя на страницу книги и оставив комментарий в разделе «Отзывы и рецензии». Также можно послать письмо главному редактору по адресу dmkpress@gmail. com; при этом укажите название книги в теме письма. Если вы являетесь экспертом в какой-либо области и заинтересованы в написании новой книги, заполните форму на нашем сайте по адресу http:// dmkpress.com/authors/publish_book/ или напишите в издательство по адресу dmkpress@gmail.com. Список опечаток Хотя мы приняли все возможные меры для того, чтобы обеспечить высокое качество наших текстов, ошибки все равно случаются. Если вы найдете ошибку в одной из наших книг, мы будем очень благодарны, если вы сообщите о ней главному редактору по адресу dmkpress@gmail.com. Сделав это, вы избавите других читателей от недопонимания и поможете нам улучшить последующие издания этой книги. Нарушение авторских прав Пиратство в интернете по-прежнему остается насущной проблемой. Издательство «ДМК Пресс» очень серьезно относится к вопросам защиты авторских прав и лицензирования. Если вы столкнетесь в интернете с незаконной публикацией какой-либо из наших книг, пожалуйста, пришлите нам ссылку на интернет-ресурс, чтобы мы могли применить санкции. Ссылку на подозрительные материалы можно прислать по адресу электронной почты dmkpress@gmail.com. Мы высоко ценим любую помощь по защите наших авторов, благодаря которой мы можем предоставлять вам качественные материалы.