nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

595607_it-IT

liliconcom

Home page del corso "JMP® Pro: Trovare predittori importanti".

Riepilogo: Questo corso ti insegna le tecniche per l'adattamento di modelli statistici per identificare variabili importanti. Vengono presentate tecniche di selezione delle variabili manuali, grafiche e automatizzate, insieme a metodi di modellazione avanzati. Le dimostrazioni includono la modellazione di dati progettati e non progettati. Le tecniche sono illustrate utilizzando sia il software JMP che il software JMP Pro. Si noti che il software JMP Pro è necessario per le tecniche avanzate trattate nella seconda metà di questo corso.

Durata: 14 ore di contenuto.

Modalità:

in diretta online con l'istruttore -- Questo corso è disponibile periodicamente nel ns programma dei corsi pubblici . I corsi pubblici sono un'occasione per apprendere questi contenuti con a istruttore dal vivo , ma attualmente sono offerti solo in inglese ea volte sono più convenienti per un pubblico statunitense (perché la maggior parte dei nostri istruttori si trova nei fusi orari degli Stati Uniti). Non vedi quello che stai cercando?Facci sapere .
tramite un fornitore di formazione di terze parti: qualsiasi corso del nostro curriculum JMP potrebbe essere tenuto da un fornitore di formazione autorizzato, anche attraverso il reparto formazione della tua azienda. Contatta il tuo rappresentante JMP per saperne di più.

Prerequisiti: Prima di frequentare questo corso, si consiglia di completare il Software JMP®: un approccio case study all'esplorazione dei dati E JMP®: decisioni statistiche utilizzando ANOVA e regressione corsi o avere un'esperienza equivalente.

Obiettivi formativi:

Identifica un sottoinsieme di predittori come importante utilizzando un modello statistico.
Convalida modelli statistici utilizzando criteri di convalida incrociata, convalida holdback e teoria dell'informazione.
Eseguire la regressione graduale e di tutti i sottoinsiemi.
Seleziona predittori importanti utilizzando metodi grafici e alberi decisionali.
Eseguire la regressione penalizzata per le risposte gaussiane e non gaussiane.
Utilizza la piattaforma di regressione generalizzata per identificare predittori importanti.

Struttura del corso:

Introduzione alla selezione delle variabili

Introduzione ai modelli.
Metodi di validazione del modello.
Importanza variabile.
Regressione OLS e selezione all'indietro.

Metodi classici di selezione delle variabili

Metodi basati su grafi.
Regressione graduale.
Regressione di tutti i sottoinsiemi.

Regressione generalizzata (JMP Pro richiesto)

Introduzione.
Laccio/cresta/rete elastica.
Lazo adattivo/rete elastica adattiva.
Metodi con passaggi multipli.

Situazioni speciali per la regressione generalizzata (JMP Pro richiesto)

Risposta binomiale.
Risposta di Poisson.
Molteplici risposte.

Modellazione statistica avanzata

Modellazione predittiva e Machine Learning

Comments

There are no comments yet