809945_ko-KR

liliconcom

다변량 방법을 사용하여 데이터 탐색

방법을 확인하세요:

• 다변량 방법(PCA, 클러스터링 및 K-Means)을 이해하고 사용합니다.
• 다변량 산점도 및 상관관계를 생성하고 해석합니다.
• 공통적인 특성을 기반으로 많은 수의 변수가 있는 레코드를 더 작은 새 변수 클러스터로 그룹화합니다.
• 여러 변수에 걸쳐 유사한 값을 공유하는 클러스터 행
• 계층적 클러스터링을 사용하여 수천 개의 행에 이르는 작은 테이블에 대한 동적이고 반응하는 트리 그래프인 덴드로그램을 만듭니다.
• 최대 수십만 개의 행에 대한 테이블에 k-Means 클러스터링을 사용합니다.
• 자체 조직화 맵을 사용하여 클러스터를 생성하고 2차원 클러스터 그리드에서 특정 레이아웃으로 형성합니다. 그리드의 근접성은 클러스터 유사성을 나타냅니다.
• 연속형 요인에 대해 주성분 분석(PCA)을 수행합니다. 여기서 첫 번째 주성분은 가능한 가장 큰 분산을 갖는 표준화된 원래 변수의 선형 조합이고, 각 후속 주성분은 가능한 가장 큰 분산을 갖는 변수의 선형 조합이며 이전에 정의된 모든 구성 요소와 상관 관계가 없습니다.
• 범주형 데이터에 대한 다중 대응 분석(PCA와 유사하지만 범주형 데이터에 대한 것임)
• 요인 분석을 사용하여 잠재 요인을 식별합니다.

자원

• Ann Lehman, Norm O'Rourke, Larry Hatcher, Edward J. Stepanski 지음 , 기본 단변량 및 다변량 통계를 위한 JMP®: 연구자 및 사회 과학자를 위한 방법, 2판
• Visual Six Sigma: Making Data Analysis Lean, 2판 저자 : Ian Cox, Marie Gaudard, Mia L. Stephens

고급 통계 모델링