Introduction to Machine Learning Models Using IBM SPSS Modeler (V18.2) (0A079G)
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
Více od IBM
Administration of IBM DataPower Gateway 10 | Podnikové systémy
Advanced Administering Environments with IBM Instana Observability | Podnikové systémy
Advanced Assembler Language Coding Workshop | Podnikové systémy
Advanced HCP Terraform | Podnikové systémy
Advanced Parallel Sysplex Operations and Recovery Workshop | Podnikové systémy
Advanced System Operator Workshop for IBM i | Podnikové systémy