IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ [Специалист] [Мокляченко Алина]

IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ [Специалист] [Мокляченко Алина]

IBM SPSS Statistics. Level 3. Multidimensional statistical analysis.
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.

По окончании курса Вы будете уметь:

• 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

Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы. Большинство выпускников наших курсов делают успешную карьеру и пользуются уважением работодателей.

Продолжительность курса - 32 ак. ч.

Спойлер: Программа курса

Модуль 1. Кластерный анализ и его применение

• 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

• 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

• 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

• 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

• 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

• 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

• 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

• 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

Цена: 22350р.

Следующий поток 20.01.2021 - 29.01.2021г.

Код:

https://www.specialist.ru/course/spss7