Данная книга представляет собой практическое руководство по применению метода деревьев решений для задач сегментации, классификации и прогнозирования. Каждый раздел книги сопровождается практическим примером.

Кроме того, книга содержит программный код SPSS Syntax, R и Python, позволяющий полностью автоматизировать процесс построения прогнозных моделей. Автором обобщены лучшие практики использования деревьев решений от таких компаний, как Citibank N.A., Transunion и DBS Bank.

Прочитав эту книгу, вы сможете:

• строить и интерпретировать модели дерева решений и случайного леса;

• оценивать дискриминирующую способность полученных моделей;

• улучшать модели дерева с помощью процедуры обрезки ветвей (прунинга);

• улучшать модели логистической регрессии, используя информацию дерева и случайного леса;

• применять правила классификации/прогноза, полученные с помощью дерева и случайного леса, к новым данным;

• овладеть навыками конструирования признаков (feature engineering);

• улучшать модели случайного леса с помощью автоматизированной оптимизации параметров.

Издание будет интересно маркетологам, риск-аналитикам и другим специалистам, занимающимся разработкой и внедрением прогнозных моделей. Второе издание книги дополнено главами о применении методов машинного обучения на базе Python