In diesem Buch werden multivariate Vorhersage- oder Abhängigkeitsanalysetechniken (überwachte Lerntechniken in der modernen Sprache des maschinellen Lernens) und insbesondere Klassifizierungstechniken aus methodologischer Sicht und aus praktischer Sicht mit Anwendungen durch Python-Software entwickelt. Die folgenden Techniken werden eingehend untersucht: Verallgemeinerte lineare Modelle (Logit, Probit, Count und andere), Entscheidungsbäume, Diskriminanzanalyse, K-Nearest Neighbour (kNN), Support Vector Machine (SVM), Naive Bayes, Ensemble-Methoden (Bagging, Boosting, Voting, Stacking, Blending und Random Forest), Neuronale Netze, Multilayer Perceptron, Radial Basis Networks, Hopfield Networks, LSTM Networks, RNN Recurrent Networks, GRU Networks und Neuronale Netze für Zeitreihenvorhersagen. Diese Techniken sind eine grundlegende Unterstützung für die Entwicklung der künstlichen Intelligenz.