Introduction to Machine Learning Models Using IBM SPSS Modeler (V18.2) (0A079G)

Podnikové systémy
Strojově přeloženo

Přehled

Tento kurz poskytuje úvod do supervizovaných modelů, nesupervizovaných modelů a asociačních modelů. Jedná se o aplikačně orientovaný kurz a příklady zahrnují predikci toho, zda zákazníci zruší své předplatné, predikci hodnot nemovitostí, segmentaci zákazníků na základě využití a analýzu nákupního košíku.

Cílová skupina

  • Datoví vědci
  • Byznys analytici
  • Klienti, kteří se chtějí seznámit s modely strojového učení

Předpoklady

  • Znalost obchodních požadavků

Cíl

  • Úvod do modelů strojového učení
  • Taxonomie modelů strojového učení
  • Identifikace úrovní měření
  • Taxonomie supervizovaných modelů
  • Tvorba a aplikace modelů v IBM SPSS Modeler

Supervizované modely: Rozhodovací stromy – CHAID

  • Základy CHAID pro kategorické cílové proměnné
  • Zahrnutí kategorických a spojitých prediktorů
  • Základy CHAID pro spojité cílové proměnné
  • Zpracování chybějících hodnot

Supervizované modely: Rozhodovací stromy – C&R Tree

  • Základy C&R Tree pro kategorické cílové proměnné
  • Zahrnutí kategorických a spojitých prediktorů
  • Základy C&R Tree pro spojité cílové proměnné
  • Zpracování chybějících hodnot
  • Hodnotící míry pro supervizované modely
  • Hodnotící míry pro kategorické cílové proměnné
  • Hodnotící míry pro spojité cílové proměnné

Supervizované modely: Statistické modely pro spojité cílové proměnné – Lineární regrese

  • Základy lineární regrese
  • Zahrnutí kategorických prediktorů
  • Zpracování chybějících hodnot
  • Supervizované modely: Statistické modely pro kategorické cílové proměnné – Logistická regrese
  • Základy logistické regrese
  • Zahrnutí kategorických prediktorů
  • Zpracování chybějících hodnot

Asociační modely: Detekce sekvencí

  • Základy detekce sekvencí
  • Zpracování chybějících hodnot

Supervizované modely: Modely černé skříňky – Neuronové sítě

  • Základy neuronových sítí
  • Zahrnutí kategorických a spojitých prediktorů
  • Zpracování chybějících hodnot

Supervizované modely:

  • Modely černé skříňky – Ensemble modely
  • Základy ensemble modelů
  • Zlepšení přesnosti a zobecnitelnosti pomocí boostingu a baggingu
  • Sestavení ensemble z nejlepších modelů

Nesupervizované modely: K-Means a Kohonen

  • Základy K-Means
  • Zahrnutí kategorických vstupů v K-Means
  • Zpracování chybějících hodnot v K-Means
  • Základy Kohonenových sítí
  • Zpracování chybějících hodnot v Kohonen

Nesupervizované modely: TwoStep a detekce anomálií

  • Základy TwoStep
  • Předpoklady TwoStep
  • Automatické nalezení nejlepšího segmentačního modelu
  • Základy detekce anomálií
  • Zpracování chybějících hodnot

Asociační modely: Apriori

  • Základy Apriori
  • Hodnotící míry
  • Zpracování chybějících hodnot

  • Příprava dat pro modelování
  • Posouzení kvality dat
  • Výběr důležitých prediktorů
  • Vyvážení dat

Osnova kurzu

  • Úvod do modelů strojového učení
  • Taxonomie modelů strojového učení
  • Identifikace úrovní měření
  • Taxonomie supervizovaných modelů
  • Tvorba a aplikace modelů v IBM SPSS Modeler

Supervizované modely: Rozhodovací stromy – CHAID

  • Základy CHAID pro kategorické cílové proměnné
  • Zahrnutí kategorických a spojitých prediktorů
  • Základy CHAID pro spojité cílové proměnné
  • Zpracování chybějících hodnot

Supervizované modely: Rozhodovací stromy – C&R Tree

  • Základy C&R Tree pro kategorické cílové proměnné
  • Zahrnutí kategorických a spojitých prediktorů
  • Základy C&R Tree pro spojité cílové proměnné
  • Zpracování chybějících hodnot
  • Hodnotící míry pro supervizované modely
  • Hodnotící míry pro kategorické cílové proměnné
  • Hodnotící míry pro spojité cílové proměnné

Supervizované modely: Statistické modely pro spojité cílové proměnné – Lineární regrese

  • Základy lineární regrese
  • Zahrnutí kategorických prediktorů
  • Zpracování chybějících hodnot
  • Supervizované modely: Statistické modely pro kategorické cílové proměnné – Logistická regrese
  • Základy logistické regrese
  • Zahrnutí kategorických prediktorů
  • Zpracování chybějících hodnot

Asociační modely: Detekce sekvencí

  • Základy detekce sekvencí
  • Zpracování chybějících hodnot

Supervizované modely: Modely černé skříňky – Neuronové sítě

  • Základy neuronových sítí
  • Zahrnutí kategorických a spojitých prediktorů
  • Zpracování chybějících hodnot

Supervizované modely:

  • Modely černé skříňky – Ensemble modely
  • Základy ensemble modelů
  • Zlepšení přesnosti a zobecnitelnosti pomocí boostingu a baggingu
  • Sestavení ensemble z nejlepších modelů

Nesupervizované modely: K-Means a Kohonen

  • Základy K-Means
  • Zahrnutí kategorických vstupů v K-Means
  • Zpracování chybějících hodnot v K-Means
  • Základy Kohonenových sítí
  • Zpracování chybějících hodnot v Kohonen

Nesupervizované modely: TwoStep a detekce anomálií

  • Základy TwoStep
  • Předpoklady TwoStep
  • Automatické nalezení nejlepšího segmentačního modelu
  • Základy detekce anomálií
  • Zpracování chybějících hodnot

Asociační modely: Apriori

  • Základy Apriori
  • Hodnotící míry
  • Zpracování chybějících hodnot

  • Příprava dat pro modelování
  • Posouzení kvality dat
  • Výběr důležitých prediktorů
  • Vyvážení dat