Vengono presentati metodi per l'apprendimento non supervisionato in cui vengono scoperte le relazioni tra le osservazioni, nonché le relazioni tra le variabili. Il corso illustra anche vari modi di eseguire l'apprendimento supervisionato in cui vengono considerate le relazioni tra le variabili di output e quelle di input. Nel corso, l'accento è posto sulla comprensione dei risultati dell'analisi e sulla presentazione delle conclusioni tramite grafici.
Impara come
- 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
- Interpretare i punteggi delle componenti principali ed eseguire l'analisi fattoriale
- Costruisci modelli più stabili rimuovendo la collinearità con la regressione delle componenti principali (PCR)
- Identificare i raggruppamenti naturali nei dati tramite l'analisi dei cluster
- Identificare gruppi di variabili
- Classificare le osservazioni in gruppi con analisi discriminante
- Adatta modelli predittivi multivariati complessi con modelli di regressione dei minimi quadrati parziali (PLS).
Durata: 4 sessioni di mezza giornata
Visitare ilpanoramica del corsoper saperne di più e registrarsi per una prossima sessione.
