re.compile(u'фейсбук|facebook|linkedin|vkontakt|вконтакт',re.IGNORECASE | re.UNICODE),

В таком случае вы упускаете такие сети, как twitter, livejornal, google+, etc. и плюс еще различные вариации их написаний.
Или же вы закладываетесь на то, что в сообщениях пользователи их не употребляют? Или же как фильтр сработает на +7-111-111-11-11 или +7(111)111-11-11?

Денежный знак
знак стоимости, форма наличных денег, стоимость физического носителя которых существенно ниже обозначенной на нём номинальной (нарицательной) стоимости.

Исходя из определения «денежного знака» биткоин не является таковым, т.к. он не является наличной формой денег.

Кроме того, прозвучала интересная фраза: «С учетом зарубежного опыта определены дальнейшие направления работы по правовой регламентации данной сферы».
Почему то у нас очень во всех сферах любят перенимать зарубежный опыт, но только лучше от этого не становиться…

Осталось, чтобы кто-то опробовал на практике данную модель

Видимо у прокуратуры нет более серьезных дел, чем это, ведь коррупцию уже победили

Я обычно делаю такие операции через инернет-банкинг, это занимает пару минут

В данном случае она имеет чисто описательный характер, и исходя из нее можно прикинуть функцию распределения.

А вы можете привести пример задачи из вашей модели, которая действительно решается намного проще на Python, чем на R. Т.е. я прошу на примере обосновать необходимость использования двух языков.

Это сугубо мое субъективное мнение и оно не является истиной в последней инстанции, просто лично для меня было реально удобней обработать данные на python.
Это заняло у меня меньше времени, синтаксис python мне более приятней и плюс в данные я сначала брал из БД Orace из python'a это делается в 2 строки (как в R не знаю) ну и читабельность кода в python на мой взляд проще, например

b = a.diff()

смотрится красивее

b <- diff(a)

Вот еще например на python срез данных за 2011 получается просто

otg[2011]

В R это заняло бы больше 1 строки (насколько я знаю).
Плюс при загрузке данных в python временный ряд создается сразу при загрузке с индексами в виде дат:

dataset = read_csv('DataSets/tovar_moving.csv',';', index_col=['date'], parse_dates=['date'], dayfirst=True)

Опять же таки в R это действие займет больше одной строки:

workfile <- file.path("/Users/igorkuznetsov/Projects/DataScience/DataSets/tovar_moving.csv")
datawork <- read.csv(workfile, header = TRUE, sep = ";", quote="\"", dec=".", fill = TRUE, comment.char=""  )
y <- zoo(datawork$qty, as.Date(datawork$date,"%d.%m.%Y"))

Как замену reshepe на pythone можно использовать pandas или numpy, они включают подобные функции. Можно узнать, чем kpss лучше adf теста и почему надо применить именно его?

В очередной раз спасибо). Да, конечно можно: здесь

Возможно, я думал начет сезонности но почему-то не сделал

Постараюсь учесть ваши пожелания в следующей статье

Я правильно понимаю, что чем ниже p-value, тем больше вероятность неправильности нулевой гипотезы? или же наоборот?

Тогда такой вопрос, если я правильно понимаю, если мы применим метод главных компонент, то в принципе мы с большой долей вероятности избавимся от мультиколлениарности, так?

2. Как можно заметить и матрицы с коэффициентами корреляции на y1,y2 больше значения оказывают X2 и X5, нежели X1 и X4, таким образом мы можем последние столбцы мы можем удалить.
Этот шаг как раз и подразумевал избавление от мультиколениарности т.к. между X2 и X1, и X5 и X4 соответствующие коэффициенты парной корреляции r > 90%. Разве не так?

Данная статья и задумывалась, как пример использования python в качестве альтернативы указанным выше пакетам. По поводу теории буду признателен, если порекомендуете книги.

Можно его закодировать через hotonecoder или label encoder про данные функции я писал в предыдущих своих статьях, например здесь

Я планирую написать следующую статью по основам анализа временных рядов на python+statsmodels. При ее написании буду использовать лекции по Анализу временных рядов ВШЭ, ссылку на них приложу в статье. Планирую выложить статью в конце этой недели.

А особенно учитывая тот факт, что так популярные сегодня «металлические» счета, например золотые, никоим образом не обеспечены физическим металлом и на 1 гр физического золота приходиться порядка 5 гр. виртуальных.

По хорошему ПО, через которое вводится данная информация, должно бы проектироваться именно с этим условием. Но задача заключалась именно в анализе выгрузки в таком виде, как описан в статье.