Публикацией о частичных графиках регрессии я завершил большой раздел «Более сложные линейные модели» и теперь перехожу к темам, связанным с построением линейных моделей и подбором переменных.
Пост с описанием различных подходов к подбору переменных на основании их статистической значимости
Первая публикация из цикла о выборе линейной модели и подборе переменных
Пост о частичных графиках регрессии, полезных для диагностики моделей множественной регрессии
Пост о коэффициенте детерминации (R-квадрат), учитывающем количество предикторов
Пост с описанием возможных сценариев применения модели множественной регрессии и отличиях между предиктивным и объснительными подходами
Пост из серии о множественной линейной регрессии
Пост с описанием математических условий применимости множественной линейной регрессии
Короткий пост о проверке гипотез модели регрессии с несколькими предикторами
Продолжаю серию постов о множественной линейной регрессии публикацией с описанием моедели
Этот пост открывает серию публикаций о множественной линейной регрессии
Публикацией о условиях применимости линейной регрессии я завершил большой раздел «Дисперсионный и регрессионный анализ» и теперь перехожу к более сложным линейным моделям. Посты о многофакторном дисперсионном анализе и эффектам взаимодействия, вышедшие на этой неделе, относятся к новому разделу.
Пост об эффектах взаимодействия и проверке их статистической значимости
На несколько публикаций возвращаюсь к теме дисперсионного анализа и его многофакторной версии в частности. В этом посте также вскользь касаюсь темы взаимодействий, которым будет посвящён следующий пост
В этой презентации содержится предложение подхода к организации анализа данных в компании, которое комбинирует сильные стороны как централизации, так и децентрализованного, избегая при этом обычных для этих крайностей проблем, связанных или с оторванностью анализа данных от потребностей бизнеса, или с образованием функциональных колодцев. Обсуждаются также ключевые принципы организации департамента по работе с данными, роль лидера этого департамента и важность создания и поддержания корпоративной культуры, ориентированной на данные. Идеи концепции иллюстрируются с помощью примера бизнес-процесса жизненного цикла аналитической модели и нескольких примеров решения реальных проблем бизнеса. Так как в моей прошлой статье я говорил о применении машинного обучения и данных в банковской и финансовой сфере, примеры, которые я привожу здесь, фокусируются на отраслях ритейла и маркетинга.
В презентации 4 раздела:
1. Видение и миссия
2. Комбинация централизации и децентрализации
3. Функция анализа данных в компании
4. Примеры оценки эффективности анализа данных для бизнеса
Концепция комбинированной системы анализа данных для бизнеса
Презентация также опубликована на LinkedIn
Важная публикация о том, при каких условиях можно использовать линейную регрессию и доверять её результатам
Короткая публикация о формулировках и порядке проверки гипотезы линейной регрессии
Публикация, демонстрирующая, какие изменения в целевой переменной линейная регрессия может объяснить, а какие не может
Новый пост о линейной регрессии, описывающий её нулевую гипотезу или бейзлайн
Продолжение публикаций о линейной регрессии с описанием метода наименьших квадратов
Vkontakte
Twitter
Одноклассники
