595609_it-IT
Homepage del corso "JMP®: analisi e modellazione di dati multidimensionali".
Riepilogo: Questo corso è rivolto agli utenti di JMP che lavorano con dati che hanno molte variabili. Il corso dimostra vari modi per esaminare i dati ad alta dimensione in meno dimensioni, così come i modelli che esistono nei dati.
Vengono presentati metodi per l'apprendimento non supervisionato in cui vengono scoperte le relazioni tra le osservazioni, così come le relazioni tra le variabili. Il corso dimostra anche vari modi di eseguire l'apprendimento supervisionato in cui vengono considerate le relazioni tra le variabili di output e le variabili di input. Nel corso, l'accento è posto sulla comprensione dei risultati dell'analisi e sulla presentazione delle conclusioni con grafici.
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:
- Utilizzare l'analisi delle componenti principali per ridurre il numero di dimensioni dei dati
- Utilizzare i grafici di caricamento per comprendere le relazioni tra le variabili
- Interpreta i punteggi dei componenti principali ed esegue l'analisi fattoriale
- Crea modelli più stabili rimuovendo la collinearità con la regressione dei componenti principali (PCR)
- Identifica i raggruppamenti naturali nei dati tramite l'analisi dei cluster
- Identificare cluster di variabili
- Classificare le osservazioni in gruppi con l'analisi discriminante
- Adatta modelli predittivi multivariati complessi con modelli di regressione ai minimi quadrati parziali (PLS).
Struttura del corso:
Introduzione ai dati multidimensionali
- Analisi multidimensionale
- Richiami di algebra matriciale
Analisi del componente principale
- Interpretazione delle componenti principali
- Trovare i componenti principali
Regressione della componente principale
- Regressione della componente principale
Analisi fattoriale
- Estrazione dei fattori
- Fattore di rotazione
Analisi di gruppo
- Introduzione all'analisi dei cluster
- Raggruppamento gerarchico
- K -significa raggruppamento
- Raggruppamento variabile
Analisi discriminante
- Discriminazione
- Classificazione
Regressione dei minimi quadrati parziali
- Algoritmi PLS
- Rapporti PLS
Modellazione statistica avanzata
Comments
There are no comments yet
