595609_de-DE

liliconcom

Homepage des Kurses „JMP®: Analysieren und Modellieren mehrdimensionaler Daten“.

Zusammenfassung: Dieser Kurs richtet sich an JMP-Benutzer, die mit Daten arbeiten, die viele Variablen enthalten. Der Kurs zeigt verschiedene Möglichkeiten, hochdimensionale Daten in weniger Dimensionen zu untersuchen, sowie Muster, die in den Daten vorhanden sind.

Es werden Methoden des unüberwachten Lernens vorgestellt, bei denen Zusammenhänge zwischen den Beobachtungen sowie Zusammenhänge zwischen den Variablen aufgedeckt werden. Der Kurs demonstriert auch verschiedene Möglichkeiten zur Durchführung von überwachtem Lernen, bei denen die Beziehungen zwischen den Ausgangsvariablen und den Eingangsvariablen berücksichtigt werden. Der Schwerpunkt des Kurses liegt auf dem Verständnis der Analyseergebnisse und der grafischen Darstellung der Schlussfolgerungen.

---

Dauer: 14 Stunden Inhalt.

---

Modalitäten:

• Live online mit Dozent – Dieser Kurs ist regelmäßig in unserem verfügbar öffentlicher Kursplan . Die öffentlichen Kurse sind eine Möglichkeit, diese Inhalte mit einem zu erlernen Live-Lehrer , aber sie werden derzeit nur auf Englisch angeboten und sind manchmal für ein US-Publikum am bequemsten (da sich die meisten unserer Lehrer in US-Zeitzonen befinden). Sehen Sie nicht, was Sie suchen?Lass uns wissen .
• über einen externen Schulungsanbieter – Jeder Kurs in unserem JMP-Lehrplan kann von einem lizenzierten Schulungsanbieter abgehalten werden, einschließlich über die Schulungsabteilung Ihres eigenen Unternehmens. Wenden Sie sich an Ihren JMP-Vertreter, um mehr zu erfahren.

---

Voraussetzungen: Vor der Teilnahme an diesem Kurs wird empfohlen, den zu absolvieren JMP® Software: Ein Fallstudienansatz zur Datenexploration Und JMP®: Statistische Entscheidungen mit ANOVA und Regression Kurse oder haben gleichwertige Erfahrung.

---

Lernziele:

• Verwenden Sie die Hauptkomponentenanalyse, um die Anzahl der Datendimensionen zu reduzieren
• Verwenden Sie Ladediagramme, um die Beziehungen zwischen Variablen zu verstehen
• Interpretieren Sie Hauptkomponentenwerte und führen Sie eine Faktorenanalyse durch
• Erstellen Sie stabilere Modelle, indem Sie die Kollinearität mit der Hauptkomponentenregression (PCR) entfernen
• Identifizieren Sie natürliche Gruppierungen in den Daten durch Clusteranalyse
• Identifizieren Sie Cluster von Variablen
• Klassifizieren Sie Beobachtungen in Gruppen mit Diskriminanzanalyse
• Passen Sie komplexe multivariate Vorhersagemodelle mit partiellen Regressionsmodellen der kleinsten Quadrate (PLS) an.

---

Kursübersicht:

Einführung in multidimensionale Daten

• Multidimensionale Analyse
• Wiederholung der Matrizenalgebra

Hauptkomponentenanalyse

• Interpretation der Hauptkomponenten
• Hauptkomponenten finden

Hauptkomponentenregression

• Hauptkomponentenregression

Faktorenanalyse

• Faktorextraktion
• Faktorrotation

Clusteranalyse

• Einführung in die Clusteranalyse
• Hierarchisches Clustering
• K -bedeutet Clustering
• Variablen-Clustering

Diskriminanzanalyse

• Diskriminierung
• Einstufung

Partielle Regression der kleinsten Quadrate

• PLS-Algorithmen
• PLS-Berichte

Fortgeschrittene statistische Modellierung