809945_de-DE

liliconcom

Verwenden multivariater Methoden zur Datenerkundung

Erfahren Sie, wie Sie:

• Multivariate Methoden (PCA, Clustering und K-Means) verstehen und verwenden
• Erstellen und Interpretieren multivariater Streudiagramme und Korrelationen
• Gruppieren Sie Datensätze mit einer großen Anzahl von Variablen in kleinere Cluster neuer Variablen basierend auf gemeinsamen Merkmalen.
• Gruppieren Sie Zeilen, die über mehrere Variablen hinweg ähnliche Werte aufweisen
• Verwenden Sie hierarchisches Clustering, um ein Dendrogramm zu erstellen, ein dynamisches, reagierendes Baumdiagramm für kleine Tabellen mit bis zu mehreren tausend Zeilen
• Verwenden Sie k-Means-Clustering für Tabellen mit bis zu Hunderttausenden von Zeilen
• Verwenden Sie selbstorganisierende Karten, um Cluster zu bilden und sie in einem bestimmten Layout auf einem zweidimensionalen Clustergitter zu formen, wobei die Nähe im Gitter die Clusterähnlichkeit anzeigt
• Führen Sie eine Hauptkomponentenanalyse (PCA) für kontinuierliche Faktoren durch, wobei die erste Hauptkomponente die lineare Kombination der standardisierten Originalvariablen mit der größtmöglichen Varianz ist. Jede nachfolgende Hauptkomponente ist die lineare Kombination der Variablen mit der größtmöglichen Varianz und ist nicht mit allen zuvor definierten Komponenten korreliert.
• Analysieren Sie Mehrfachkorrespondenz für kategorische Daten (ähnlich wie PCA, aber für kategorische Daten).
• Verwenden Sie die Faktorenanalyse, um latente Faktoren zu identifizieren

Ressourcen

• JMP® für grundlegende univariate und multivariate Statistik: Methoden für Forscher und Sozialwissenschaftler, zweite Ausgabe von Ann Lehman, Norm O'Rourke, Larry Hatcher, Edward J. Stepanski
• Visual Six Sigma: Making Data Analysis Lean, zweite Ausgabe von Ian Cox, Marie Gaudard, Mia L. Stephens

Erweiterte statistische Modellierung