(0A045) Кластерные и ассоциативные модели в IBM SPSS Modeler (V16)

Цель курса

Данный однодневный курс знакомит слушателей с двумя классами технологий моделирования, доступными в IBM SPSS Modeler: кластерными и ассоциативными моделями. Слушатели изучат технологии кластеризации, наиболее часто используемые при решении задач сегментации рынка. Также слушатели познакомятся с ассоциативными моделями для обнаружения правил, описывающих взаимосвязи в данных, и научатся создавать модели на основе последовательных событий, описывающие взаимосвязи по времени возникновения событий.

Для кого предназначен этот курс

Данный курс среднего уровня сложности предназначен для аналитиков, использующих IBM SPSS Modeler и желающих познакомиться со всем спектром технологий моделирования, доступных в IBM SPSS Modeler, для сегментации (кластеризации) данных и создания моделей на основе ассоциаций или последовательных данных.

Для успешного прохождения курса слушатели должны

• Необходим опыт работы в IBM SPSS Modeler, в том числе знакомство со средой, созданием рабочих потоков, чтением файлов, оценкой качества исходных данных и обработкой пропусков (отсутствующих данных), включая узлы Type и Data Audit, основными инструментами манипуляций с данными и созданием моделей в IBM SPSS Modeler.
• Рекомендуется предварительно пройти курс «Знакомство с IBM SPSS Modeler и процессом Data Mining».

По окончании курса слушатели смогут:

• Использовать метод K-средних, сети Кохонена и двухэтапный алгоритм для кластеризации данных
• Выводить ассоциативные правила при помощи алгоритмов Apriori и Carma
• Осуществлять поиск последовательности событий при помощи модели Sequence

Основные темы:

• Введение в ассоциативное и кластерное моделирование
• Технологии кластеризации и кластеризация по методу K-средних
• Технологии кластеризации и кластеризация при помощи сети Кохонена
• Технологии кластеризации и двухэтапная кластеризация
• Ассоциативные правила
• Ассоциативные правила – дополнительные возможности
• Поиск последовательности событий
• Поиск последовательности событий – дополнительные возможности