План на курса

    Предварителна обработка на данни Data Cleaning Интеграция и трансформация на данни Намаляване на данни Дискретизация и генериране на концептуална йерархия
Статистически изводи Вероятностни разпределения, Случайни променливи, Централна гранична теорема
  • Вземане на проби
  • Доверителни интервали
  • Статистически извод
  • Тестване на хипотези
  • Спецификация на многомерна линейна регресия
  • Избор на подмножество
  • Оценка
  • Валидиране
  • Прогноза
  • Методи за класификация Логистична регресия
  • Линеен дискриминантен анализ
  • K-най-близки съседи
  • Наивен Бейс
  • Сравнение на методите за класификация
  • Neural Networks Напасване на невронни мрежи
  • Проблеми с обучението на невронни мрежи
  • Дървета на решения Регресионни дървета
  • Класификационни дървета
  • Дървета срещу линейни модели
  • Торбички, Random Forests, Усилване на торбичките
  • Random Forestс
  • Подсилване
  • Поддръжка на векторни машини и класификатор за максимален марж на гъвкав диск
  • Поддържайте векторни класификатори
  • Поддържащи векторни машини
  • 2 и повече класа SVM
  • Връзка с логистичната регресия
  • Анализ на основните компоненти
  • Групиране K-означава групиране
  • Групиране на K-medoids
  • Йерархично групиране
  • Групиране на базата на плътност
  • Оценка на модела и пристрастия при избора, дисперсия и сложност на модела
  • Грешка при прогнозиране в извадката
  • Байесовият подход
  • Кръстосано валидиране
  • Bootstrap методи
  •   28 Hours
     

    Брой участници


    Започва

    Свършва


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Oтзиви от потребители (1)

    Свързани Kурсове

    Knowledge Discovery in Databases (KDD)

      21 Hours

    Introduction to Data Visualization with Tidyverse and R

      7 Hours

    Introduction to R

      21 Hours

    Свързани Kатегории