595607_ko-KR
"JMP® Pro: 중요한 예측 변수 찾기" 과정 홈페이지
요약: 이 과정은 중요한 변수를 식별하기 위해 통계 모델을 맞추는 기술을 가르칩니다. 고급 모델링 방법과 함께 수동, 그래픽 및 자동 변수 선택 기술이 제공됩니다. 데모에는 설계된 데이터와 설계되지 않은 데이터 모두의 모델링이 포함됩니다. 기술은 JMP 소프트웨어와 JMP Pro 소프트웨어를 모두 사용하여 설명합니다. 이 과정의 후반부에서 다루는 고급 기술을 사용하려면 JMP Pro 소프트웨어가 필요합니다.
양식:
- 강사와 함께 온라인 라이브 -- 이 과정은 당사에서 주기적으로 제공됩니다. 공개 과정 일정 . 공개 과정은 이 콘텐츠를 라이브 강사 , 그러나 현재 영어로만 제공되며 미국 청중에게 가장 편리한 시간에 제공됩니다(대부분의 강사가 미국 시간대에 있기 때문). 찾고 있는 내용이 보이지 않습니까?알려주세요 .
- 제3자 교육 공급업체를 통해 -- JMP 커리큘럼의 모든 과정은 귀사의 교육 부서를 포함하여 면허가 있는 교육 공급업체에서 가르칠 수 있습니다. 자세한 내용은 JMP 담당자에게 문의하십시오.
전제 조건: 이 과정을 수강하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀 분석을 사용한 통계적 결정 코스 또는 동등한 경험이 있습니다.
학습 목표:
- 통계 모델을 사용하여 중요한 예측 변수의 하위 집합을 식별합니다.
- 교차 검증, 홀드백 검증 및 정보 이론적 기준을 사용하여 통계 모델을 검증합니다.
- 단계별 및 모든 하위 집합 회귀를 수행합니다.
- 그래픽 방법과 의사 결정 트리를 사용하여 중요한 예측 변수를 선택합니다.
- 가우시안 및 비가우시안 응답에 대해 불이익 회귀를 수행합니다.
- 일반화 회귀 플랫폼을 사용하여 중요한 예측 변수를 식별합니다.
강의 개요:
변수 선택 소개
- 모델 소개.
- 모델 검증 방법.
- 변수 중요도.
- OLS 회귀 및 역선택.
변수 선택의 고전적인 방법
- 그래프 기반 방법.
- 단계적 회귀.
- 모든 하위 집합 회귀.
일반화 회귀(JMP Pro 필요)
- 소개.
- 올가미/능선/탄성 그물.
- 적응형 올가미/적응형 탄성망.
- 여러 패스가 있는 메서드.
일반화 회귀의 특수 상황(JMP Pro 필요)
고급 통계 모델링예측 모델링 및 기계 학습
Comments
There are no comments yet
