Análisis práctico de series temporales con R

Opiniones de los lectores

El libro está bien considerado por su enfoque práctico del análisis de series temporales con R, con explicaciones claras, ayudas visuales y el propio código del autor. Algunos usuarios lo consideraron especialmente útil para principiantes, mientras que otros señalaron problemas con la precisión del código y la calidad de la impresión. A pesar de algunos problemas, el libro se considera un recurso valioso en este campo.

Experiencia práctica y ejemplos prácticos, bien organizado y fácil de seguir, adecuado para principiantes, incluye el propio código y herramientas del autor (TSstudio), contenido explicado visualmente, valioso para aplicaciones laborales en ciencia de datos.

El código contiene errores que restan valor a la experiencia de aprendizaje, a algunos usuarios les resultó difícil de seguir debido a las correcciones de código necesarias, problemas con la calidad de impresión en la versión de tapa blanda.

(basado en 12 opiniones de lectores)

Título original:

Hands-On Time Series Analysis with R

Contenido del libro:

Construya modelos de previsión eficientes utilizando modelos tradicionales de series temporales y algoritmos de aprendizaje automático. Características principales Realice análisis y previsiones de series temporales utilizando paquetes de R como Forecast y h2o Desarrolle modelos y encuentre patrones para crear visualizaciones utilizando los paquetes TSstudio y plotly Domine la estadística e implemente métodos de series temporales utilizando los ejemplos mencionados Descripción del libro

El análisis de series temporales es el arte de extraer información significativa y revelar patrones en los datos de series temporales utilizando enfoques estadísticos y de visualización de datos. Estos datos y patrones pueden utilizarse para explorar eventos pasados y predecir valores futuros en las series.

Este libro explora los fundamentos del análisis de series temporales con R y sienta las bases necesarias para construir modelos de previsión. Aprenderá a preprocesar datos brutos de series temporales y a limpiar y manipular datos con paquetes como stats, lubridate, xts y zoo. Analizará los datos y extraerá información significativa de ellos utilizando estadísticas descriptivas y herramientas de visualización de datos en R, como los paquetes TSstudio, plotly y ggplot2. La última sección del libro profundiza en los modelos de previsión tradicionales, como la regresión lineal de series temporales, el suavizado exponencial (Holt, Holt-Winter, etc.) y los modelos de medias móviles integradas autorregresivas (ARIMA) con los paquetes stats y forecast. También cubrirá modelos avanzados de regresión de series temporales con algoritmos de aprendizaje automático como Random Forest y Gradient Boosting Machine utilizando el paquete h2o.

Al final de este libro, usted tendrá las habilidades necesarias para explorar sus datos, identificar patrones y construir un modelo de previsión utilizando diversos métodos tradicionales y de aprendizaje automático. Lo que aprenderá Visualizar datos de series temporales y obtener mejores conocimientos Explorar la autocorrelación y dominar las técnicas estadísticas Utilizar herramientas de análisis de series temporales de los paquetes stats, TSstudio y forecast Explorar e identificar patrones estacionales y de correlación Trabajar con diferentes formatos de series temporales en R Explorar modelos de series temporales como ARIMA, Holt-Winters y más Evaluar soluciones de previsión de alto rendimiento A quién va dirigido este libro.

Hands-On Time Series Analysis with R es ideal para analistas de datos, científicos de datos y todos los desarrolladores de R que deseen realizar análisis de series temporales para predecir resultados de forma eficaz. Se requiere un conocimiento básico de estadística; se espera algún conocimiento en R, pero no es obligatorio. Tabla de Contenidos Introducción al Análisis de Series Temporales y R Trabajando con Objetos de Fecha y Tiempo El Objeto Serie Temporal Trabajando con Objetos zoo y xts Descomposición de Datos de Series Temporales Análisis de Estacionalidad Análisis de Correlación Estrategias de Predicción Predicción con Regresión Lineal Predicción con Modelos de Suavizado Exponencial Predicción con Modelos ARIMA Predicción con Modelos de Aprendizaje Automático