595607_ja-JP
「JMP® Pro: Finding Important Predictors」コースのホームページ
まとめ：このコースでは、統計モデルを適合させて重要な変数を特定するテクニックを学びます。 高度なモデリング手法とともに、手動、グラフィカル、および自動の変数選択手法が提示されます。 デモンストレーションには、設計されたデータと設計されていないデータの両方のモデリングが含まれます。 JMPソフトウェアとJMP Proソフトウェアの両方を使用したテクニックが示されています。 このコースの後半で説明する高度なテクニックを使用するには、JMP Pro ソフトウェアが必要です。
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：
- 統計モデルを使用して、重要な予測変数のサブセットを特定します。
- 交差検証、ホールドバック検証、および情報理論的基準を使用して、統計モデルを検証します。
- ステップワイズおよびすべてのサブセット回帰を実行します。
- グラフィック手法と決定木を使用して、重要な予測因子を選択します。
- ガウス応答と非ガウス応答に対してペナルティ付き回帰を実行します。
- 一般化回帰プラットフォームを使用して、重要な予測因子を特定します。
コース概要：
変数選択の概要
- モデルの紹介。
- モデルの検証方法。
- 変数の重要性。
- OLS 回帰と後方選択。
変数選択の古典的な方法
- グラフベースの方法。
- ステップワイズ回帰。
- すべてのサブセット回帰。
一般化回帰 (JMP Pro が必要)
- 序章。
- なげなわ/リッジ/弾性ネット。
- アダプティブ ラッソ/アダプティブ エラスティック ネット。
- 複数のパスを持つメソッド。
一般化回帰の特殊な状況 (JMP Pro が必要)
高度な統計モデリング予測モデリングと機械学習
Comments
There are no comments yet
