Kurzusleírás

    Adatok előfeldolgozása Data Cleaning Adatintegráció és átalakítás Adatcsökkentés Diszkretizálás és fogalomhierarchia létrehozása
Statisztikai következtetés Valószínűségi eloszlások, Véletlen változók, Központi határérték tétel
  • Mintavétel
  • Bizalmi intervallumok
  • Statisztikai következtetés
  • Hipotézisvizsgálat
  • Többváltozós lineáris regresszió Specifikáció
  • Részhalmaz kiválasztása
  • Becslés
  • Érvényesítés
  • Előrejelzés
  • Osztályozási módszerek Logisztikus regresszió
  • Lineáris diszkriminancia analízis
  • K-legközelebbi szomszédok
  • Naiv Bayes
  • Osztályozási módszerek összehasonlítása
  • Neural Networks Neurális hálózatok illesztése
  • Neurális hálózatok képzési kérdései
  • Döntési fák Regressziós fák
  • Osztályozó fák
  • Fák versus lineáris modellek
  • Zsákolás, Random Forests, Zsákolás fokozása
  • Random Forests
  • Fellendítés
  • Támogatja a vektoros gépeket és a rugalmas lemezes Maximális árrés osztályozót
  • Támogatja a vektorosztályozókat
  • Támogatja a vektoros gépeket
  • 2 és több osztályú SVM
  • Kapcsolat a logisztikai regresszióval
  • Főkomponensek elemzése
  • Klaszterezés K-klaszterezést jelent
  • K-medoidok klaszterezése
  • Hierarchikus klaszterezés
  • Sűrűség alapú klaszterezés
  • Modellértékelés és -kiválasztás torzítás, variancia és modell összetettsége
  • A mintán belüli előrejelzési hiba
  • Bayesi megközelítés
  • Keresztellenőrzés
  • Bootstrap módszerek
  •   28 Hours
     

    Résztvevők száma


    Tanfolyam kezdete

    Tanfolyam vége


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

    Vélemények (1)

    Rokon tanfolyam

    Rokon kategóriák