Dados de Alta Frequência em Séries Temporais
Artigo escrito por Denise Paiva A todo momento, lidamos com dados de alta frequência — como temperaturas diárias, volume de
Blog do Statplace
Explore temas gerais e conceitos aprofundados de estatística, Data Science e softwares de análise de dados como R e Python.
Regressão Logística Simples: Aplicação no Python (Caso 2)
Veja como a regressão logística pode prever sintomas cognitivos em idosos com base em escores de exames psicológicos.
Dashboard vs. Report: Entendendo as diferenças fundamentais
Dashboard vs report: saiba as diferenças, suas características, vantagens e quando usar cada ferramenta para análise de dados.
Regressão Logística Simples: Aplicação no Python (Caso 1)
Aprenda a implementar um modelo de regressão logística em Python para prever a ocorrência de doenças com base na idade dos pacientes.
Gestão de Fluxos de Trabalho de Dados com Airflow
Aprenda a otimizar a gestão de fluxos de trabalho de dados com Airflow, automatizando processos e melhorando a eficiência.
Mineração de Dados
Descubra a importância do pré-processamento para melhorar a eficiência e a facilidade do processo de mineração de dados.
Join our newsletter to stay updated
Dimensionalidade
Neste artigo vamos abordar de forma conceitual e prática três algoritmos de Redução de dimensionalidade: PCA, t_SNE, Truncated SVD.
Análise de Componentes Principais (PCA): cálculo e aplicação no R
A PCA é um método estatístico multivariado que foi introduzido por Karl Pearson em 1901 e surgiu da necessidade de analisar variáveis correlacionadas.
Análise de Componentes Principais
A Análise de Componentes Principais é uma técnica de estatística multivariada utilizada para analisar inter-relações entre um grande número de variáveis em termos de suas dimensões inerentes.