595609_ja-JP
「JMP®: 多次元データの分析とモデリング」コースホームページ
まとめ：このコースは、多くの変数を持つデータを扱う JMP ユーザーを対象としています。 このコースでは、高次元データをより少ない次元で調べるさまざまな方法と、データに存在するパターンについて説明します。
変数間の関係だけでなく、観測間の関係も明らかにされる教師なし学習の方法が提示されます。 このコースでは、出力変数と入力変数の両方の関係を考慮して、教師あり学習を実行するさまざまな方法も示します。 コースでは、分析の結果を理解し、グラフで結論を提示することに重点が置かれています。
間隔： 14時間のコンテンツ。
モダリティ:
- インストラクターと一緒にオンラインでライブ -- このコースは、公開講座スケジュール. 公開コースは、このコンテンツを一緒に学ぶ機会です。ライブインストラクター、しかし、それらは現在英語でのみ提供されており、米国の聴衆にとって最も便利な場合があります (ほとんどのインストラクターは米国のタイムゾーンにいるため)。 お探しのものが見つかりませんか?我々に教えてください.
- サードパーティのトレーニング ベンダーを通じて -- 当社の JMP カリキュラムのすべてのコースは、自社のトレーニング部門を含め、認可を受けたトレーニング ベンダーによって教えることができます。 詳細については、JMP の担当者にお問い合わせください。
前提条件:このコースに参加する前に、以下を完了することをお勧めします。 JMP® ソフトウェア: データ探索へのケース スタディ アプローチとJMP®: ANOVA と回帰を使用した統計的決定コースまたは同等の経験をお持ちの方。
学習目標：
- 主成分分析を使用してデータの次元数を減らす
- 負荷プロットを使用して変数間の関係を理解する
- 主成分スコアの解釈と因子分析の実行
- 主成分回帰 (PCR) との共線性を除去することにより、より安定したモデルを構築します。
- クラスター分析により、データ内の自然なグループを特定
- 変数のクラスターを特定する
- 判別分析を使用して観察をグループに分類する
- 部分最小二乗 (PLS) 回帰モデルで複雑な多変量予測モデルをあてはめます。
コース概要：
多次元データの概要
主成分分析
主成分回帰
因子分析
クラスター分析
- クラスター分析の概要
- 階層的クラスタリング
- K -クラスタリングを意味します
- 変数クラスタリング
判別分析
偏最小二乗回帰
高度な統計モデリング
Comments
There are no comments yet
