Vengono presentati metodi per l'apprendimento non supervisionato in cui vengono scoperte le relazioni tra le osservazioni, così come le relazioni tra le variabili. Il corso dimostra anche vari modi di eseguire l'apprendimento supervisionato in cui vengono considerate le relazioni tra le variabili di output e le variabili di input. Nel corso, l'enfasi è sulla comprensione dei risultati dell'analisi e sulla presentazione delle conclusioni con grafici.
Scopri 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 dei componenti principali ed eseguire l'analisi fattoriale
- Costruisci modelli più stabili rimuovendo la collinearità con la regressione delle componenti principali (PCR)
- Identificare raggruppamenti naturali nei dati tramite l'analisi dei cluster
- Identificare cluster di variabili
- Classificare le osservazioni in gruppi con analisi discriminante
- Adattare modelli predittivi multivariati complessi con modelli di regressione dei minimi quadrati parziali (PLS).
Durata: 4 sessioni di mezza giornata
Visita ilpanoramica del corsoper saperne di più e iscriverti a una delle prossime sessioni.
