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 montre également différentes manières de réaliser 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 à l'aide de graphiques.
Apprenez comment
- Utiliser l'analyse des composantes principales pour réduire le nombre de dimensions de données
- Utiliser des graphiques 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)
- Identifier les regroupements naturels dans les données via l'analyse de cluster
- Identifier les groupes de variables
- Classer les observations en groupes avec une analyse discriminante
- Ajuster des modèles prédictifs multivariés complexes avec des modèles de régression par moindres carrés partiels (PLS).
Durée : 4 séances d'une demi-journée
Visitez leaperçu du courspour en savoir plus et vous inscrire à une prochaine session.
