В двух прошлых статьях [1][2], опираясь на классическую статистику, мы рассмотрели простую и множественную линейные регрессии. В этой и следующей статье мы рассмотрим не только другие виды регрессий, но и перейдем от классической статистики к байесовской. Байесовская статистика уже была предметом обсуждения в серии моих статей: [3], [4], [5].
В прошлой статье этой серии [1] мы познакомились с семейством моделей регрессий, уделив особое внимание простой линейной регрессии. Сегодня мы продолжим наше знакомство, перейдя к множественной линейной регрессии. Но, как и всегда, мы делаем это не ради самого инструмента, а ради понимания его смысла и бизнес-применения.
Я запустил свой канал по HR-аналитике и начал публиковать статьи около двух с половиной лет назад. Основной целью открытия канала было обсуждение регрессий, и вот мы наконец это делаем! Есть три причины, которые оправдывают столь затянувшуюся паузу.
Я большой энтузиаст не только байесовской статистики, но и математической оптимизации [1]. К сожалению, публикации по применению этих методов в HR-аналитике практически не встречаются. Я стараюсь исправлять эту ситуацию. Статьи про байесовскую статистику в HR-аналитике я уже публиковал, а вот тема математической оптимизации сегодня будет обсуждаться впервые.
В моей обзорной серии про байесовскую статистику [1] мы говорили о том, что для получения марковских цепочек Монте-Карло MCMC [2] существует два инструмента JAGS и Stan. В тех статьях мы полагались на JAGS, а сегодня мы разберемся с тем, как работать со Stan.
В этой статье мы поговорим об основных элементах языка R. Я выделил для рассмотрения: общую часть, типы и структуры данных, функции, библиотеки и визуализацию.
Свой вход в профессиональную HR-аналитику [1], как и многие мои коллеги, я отсчитываю от момента знакомства с Эдуардом Бабушкиным [2] и его работой. Довольно скоро, обучаясь на курсах Эдуарда я узнал от него про язык программирования R [3], про который я до того момента не слышал. В этой короткой серии я хочу поговорить о мотивации изучать R, дать короткий гайд по инструменту и привести пример анализа данных. R понадобится нам в дальнейшем, так как всю продвинутую аналитику мы будем делать именно на нём.
Перевод статьи Коула Нэппера [1]
Перевод статьи Коула Нэппера [1]
Перевод статьи Коэла Нэппера The CEO's Guide to People Analytics.