Хотите получать информацию по новым курсам и их датам проведения?
(SPSS-3) Углубленный статистический анализ данных в IBM SPSS Statistics
Краткое описание:
Цель курса — освоить сложные методы моделирования взаимосвязи и структуры данных, многомерные статистические методы «добычи знаний».
Предварительная подготовка:
Прохождение курсов SPSS-1 и SPSS-2 или эквивалентная подготовка.
Содержание:
Тема 1. Введение в многомерный статистический анализ
- Многомерные статистические методы
- Области применения многомерных статистических методов
- Матрица данных «объект-свойство»
- Виды данных для построения многомерных моделей
- Меры расстояния между объектами
Тема 2. Методы многомерной классификации: иерархический кластерный анализ, метод k-средних, двухэтапный кластерный анализ
- Особенности иерархического кластерного анализа
- Алгоритм иерархических методов кластерного анализа
- Меры расстояния между кластерами
- Выбор метода иерархического кластерного анализа
- Результаты иерархического кластерного анализа и их интерпретация
- Графическое представление результатов иерархического кластерного анализа
- Сущность и особенности метода k-средних
- Алгоритм метода k-средних
- Кластерный анализ методом k-средних
- Результаты кластеризации методом k-средних
- Особенности двухэтапного кластерного анализа
- Предпосылки двухэтапного кластерного анализа
- Алгоритм двухэтапного кластерного анализа
- Результаты двухэтапного кластерного анализа
Тема 3. Изучение структуры многомерных данных: 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
- Проведение факторного (компонентного) анализа и интерпретация его результатов
- Правила отбора факторов
- Выбор метода факторного анализа
- Проблема вращения факторов
- Настройка вращения факторов
Тема 4. Нелинейный регрессионный анализ, регрессионный анализ с качественными факторами
- Нелинейные регрессионные модели
- Виды нелинейных регрессионных моделей
- Преобразование нелинейных моделей к линейным моделям
- Процедура Подгонка кривых, ее параметры и результаты
- Процедура Нелинейная регрессия, ее параметры и результаты
- Регрессионные модели с фиктивными переменными
Тема 5. Модель логистической регрессии для классификации и моделирования связи
- Сегментация на основе откликов
- Методы сегментации на основе откликов
- Понятие модели бинарного выбора
- Модель логистической регрессии
- Процедура Логистическая регрессия и настройка ее параметров
- Результаты процедуры Логистическая регрессия
- Задание категориальных факторов
- Пошаговые алгоритмы логистической регрессии
- Классификация на основе логит-моделей
- Процедура ROC-кривые
- Результаты процедуры ROC-кривые
Тема 6. Дискриминантный анализ и его использование в задачах классификации
- 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
- Линейная модель дискриминантного анализа
- Процедура Дискриминантный анализ, ее свойства и результаты
- Метод пошагового отбора в дискриминантном анализе
- Классификация на основе результатов дискриминантного анализа
Тема 7. Многомерный дисперсионный анализ и дисперсионный анализ с повторными измерениями
- Многомерный дисперсионный анализ
- Процедура ОЛМ-многомерная, ее настройки
- Интерпретация результатов многомерного дисперсионного анализа
- Дисперсионный анализ с повторными измерениями
- Процедура ОЛМ-повторные измерения
- Настройка параметров процедуры ОЛМ-повторные измерения
- Интерпретация результатов дисперсионного анализа с повторными измерениями
Тема 8. Построение и использование деревьев-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, ее настройки
- Интерпретация и исследование дерева решений
Длительность:
4 дня
Дни | 4 дня |
---|---|
Дата курса | По запросу |
Город | Все города |
Формат обучения | Корпоративный |