Des méthodes d'apprentissage non supervisé sont présentées dans lesquelles les relations entre les observations, ainsi que les relations entre les variables, sont découvertes. Le cours démontre également diverses manières d'effectuer un apprentissage supervisé où les relations entre les variables de sortie et les variables d'entrée sont prises en compte. Dans le cours, l'accent est mis sur la compréhension des résultats de l'analyse et la présentation des conclusions sous forme de graphiques.
Apprendre à
- Utiliser l'analyse en composantes principales pour réduire le nombre de dimensions de données
- Utiliser des tracés de chargement pour comprendre les relations entre les variables
- Interpréter les scores des composantes principales et effectuer une analyse factorielle
- Créez des modèles plus stables en supprimant la colinéarité avec la régression en composantes principales (PCR)
- Identifiez les regroupements naturels dans les données via l'analyse de cluster
- Identifier des groupes de variables
- Classer les observations en groupes avec une analyse discriminante
- Ajustez des modèles prédictifs multivariés complexes avec des modèles de régression des moindres carrés partiels (PLS).
Durée : 4 séances d'une demi-journée
Visiter leaperçu du courspour en savoir plus et vous inscrire à une prochaine session.
