IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ / TeachMePlease

Требуется подтверждение e-mail адреса!

Требуется подтверждение e-mail адреса! Письмо с инструкцией выслано на адрес электронной почты, указанный при регистрации

Cookies

Отключены cookie-файлы!

Для корректной работы сайта необходимо разрешить использование cookie-файлов.

Cookies

Для оптимизации дизайна и быстродействия наших веб-сайтов используются cookie-файлы. Продолжая посещение веб-сайта, вы соглашаетесь на использование cookie-файлов.

Ок
Вашингтон

IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ

Распродано
Параметры мероприятия
  • Уровень подготовки
    Легкий
  • Язык
    Русский
  • Возраст
    Любой
7%
При подписке на рассылку вы получаете скидку 7% на первую покупку
Дипломы/сертификаты об окончании
Распродано
Параметры мероприятия
  • Уровень подготовки
    Легкий
  • Язык
    Русский
  • Возраст
    Любой
7%
При подписке на рассылку вы получаете скидку 7% на первую покупку
  • Описание курса
  • Чему вы научитесь?
  • Программа
  • Требования к участникам
Описание курса

В курсе разбираются многомерные статистические методы, которые также относят к методам добычи знаний (data mining). Эти методы позволяют находить скрытые и неочевидные закономерности в больших массивах данных и принимать на основе этих закономерностей управленческие решения.

Продолжительность курса - 32 ак. ч.

Чему вы научитесь?
Проводить кластерный анализ различными методами
Проводить факторный и компонентный анализ
Проводить дискриминантный анализ и классификацию на его основе
Строить деревья решений и анализировать их
Строить многомерные дисперсионные модели
Программа
Модуль 1. Кластерный анализ и его применение
  • Модуль
  • Онлайн
Многомерные методы классификации Понятие и области применения кластерного анализа Задачи кластерного анализа Методы кластерного анализа Преимущества и недостатки кластерного анализа Этапы кластерного анализа Исходные данные для кластерного анализа Меры расстояния между объектами Анализ качества классификации
Модуль 2. Иерархический кластерный анализ
  • Модуль
  • Онлайн
Особенности иерархического кластерного анализа Алгоритм иерархических методов кластерного анализа Меры расстояния между кластерами Процедура Расстояния Меры различия Меры сходства Процедура Иерархический кластерный анализ Выбор метода иерархического кластерного анализа Результаты процедуры Иерархический кластерный анализ Графическое представление результатов иерархического кластерного анализа Настройка статистик процедуры Иерархический кластерный анализ Сохранение новых переменных
Модуль 3. Классификация методом k-средних
  • Модуль
  • Онлайн
Сущность и особенности метода k-средних Алгоритм метода k-средних Процедура Кластерный анализ методом k-средних Результаты процедуры Кластерный анализ методом k-средних Настройка количества итераций Настройка дополнительных параметров Результаты вывода дополнительных настроек Сохранение новых переменных Графическое представление результатов
Модуль 4. Двухэтапный кластерный анализ
  • Модуль
  • Онлайн
Особенности двухэтапного кластерного анализа Предпосылки двухэтапного кластерного анализа Алгоритм двухэтапного кластерного анализа Процедура Двухэтапный кластерный анализ Сводка результатов модели Оценка кластерной структуры Просмотр информации о кластерах Вывод информации по кластерам Управление выводом Вывод процедуры Двухэтапный кластерный анализ Дополнительная панель средства просмотра кластеров Отбор наблюдений по кластерам Параметры процедуры Двухэтапный кластерный анализ
Модуль 5. Методы снижения размерности: факторный и компонентный анализ
  • Модуль
  • Онлайн
Понятие факторного анализа Цель и задачи факторного анализа Этапы факторного анализа Предпосылки применения факторного анализа Алгоритм компонентного анализа Алгоритм факторного анализа Сравнение факторного и компонентного анализов Предпосылки применения факторного и компонентного анализов Процедура Факторный анализ Результаты процедуры Факторный анализ Правила отбора факторов Выбор метода факторного анализа Проблема вращения факторов Настройка вращения факторов Параметры процедуры Факторной анализ Вывод описательных статистик Сохранение значений факторов
Модуль 6. Классификация на основе откликов: дискриминантный анализ
  • Модуль
  • Онлайн
Сегментация на основе откликов Методы сегментации на основе откликов Исходные данные для дискриминантного анализа Сходства дискриминантного анализа и логистической регрессии Различия дискриминантного анализа и логистической регрессии Цель и задачи дискриминантного анализа Предпосылки дискриминантного анализа Этапы дискриминантного анализа Методы дискриминантного анализа Исходные данные Линейная модель дискриминантного анализа Процедура Дискриминантный анализ Результаты процедуры Дискриминантный анализ Статистики процедуры Дискриминантный анализ Метод пошагового отбора процедуры Дискриминантный анализ Классификация на основе результатов дискриминантного анализа Классификационные статистики Сохранение новых переменных
Модуль 7. Многомерный дисперсионный анализ
  • Модуль
  • Онлайн
Многомерный дисперсионный анализ Процедура ОЛМ-многомерная Настройка параметров процедуры ОЛМ-многомерная Основные результаты многомерного дисперсионного анализа Дисперсионный анализ с повторными измерениями Процедура ОЛМ-повторные измерения Настройка параметров процедуры ОЛМ-повторные измерения
Модуль 8. Модели классификации на основе дерева решений
  • Модуль
  • Онлайн
Суть метода построения дерева решений Области применения дерева решений Особенности и предпосылки применения метода дерева решений Методы построения дерева решений Сравнение методов построения дерева решений Процедура Деревья классификации Интерпретация и исследование дерева решений Проверка адекватности модели Настройка вывода в процедуре Деревья классификации Настройки и параметры процедуры Деревья классификации Правила для классификации наблюдений Критерии в процедуре Деревья классификации Регрессионные деревья решений Построение регрессионных деревьев решений
Требования к участникам
Успешное окончание курса IBM SPSS Statistics. Уровень 1. Статистические методы анализа данных или эквивалентная подготовка.
Успешное окончание курса IBM SPSS Statistics. Уровень 2. Углубленные методы анализа или эквивалентная подготовка.

Организация

Остались вопросы?

Напишите в чат, и специалист поддержки оперативно ответит вам.