IBM : Modélisation prédictive IBM SPSS Modeler – ILT
Ce cours explique comment développer des modèles prédictifs à partir de données catégorielles ou continues en utilisant des techniques telles que les réseaux de neurones, les arbres de décision, la régression logistique, les machines à vecteurs de prise en charge et des modèles de réseaux bayésiens.
Objectifs
Vous apprendrez comment combiner deux ou plusieurs modèles pour améliorer la prédiction.
Programme
- Préparation des données pour la modélisation
- Recherche d'anomalies de données
- Sélection des prédicteurs
- La réduction des données avec les composants principaux
- Les réseaux de neurones
- Les machines à vecteurs de prise en charge
- La régression de Cox
- Analyse des séries temporelles
- Les arbres de décision
- La régression linéaire
- La régression logistique
- L'analyse discriminante
- Les réseaux bayésiens
- Predicteur numérique des nœuds
- Classificateur binaire des nœuds
- Combinaison pour améliorer les performances
- Exploitation optimale des modèles
Prérequis
Pour suivre ce cours, il faut avoir :
- Des connaissances en informatique Générale
- De l'expérience dans l’utilisation d’IBM SPSS Modeler.
- Suivi un cours d'introduction à l’analyse statistique pour les techniques de modélisation basées sur les statistiques.
Public
Ce cours fait suite soit à Introduction à IBM SPSS Modeler et Data Mining ou Préparation des données avancée avec IBM SPSS Modeler. Il est essentiel à toute personne souhaitant se familiariser avec la gamme complète des techniques de modélisation disponibles dans IBM SPSS Modeler pour créer des modèles prédictifs.
Objectifs
Vous apprendrez comment combiner deux ou plusieurs modèles pour améliorer la prédiction.
Programme
- Préparation des données pour la modélisation
- Recherche d'anomalies de données
- Sélection des prédicteurs
- La réduction des données avec les composants principaux
- Les réseaux de neurones
- Les machines à vecteurs de prise en charge
- La régression de Cox
- Analyse des séries temporelles
- Les arbres de décision
- La régression linéaire
- La régression logistique
- L'analyse discriminante
- Les réseaux bayésiens
- Predicteur numérique des nœuds
- Classificateur binaire des nœuds
- Combinaison pour améliorer les performances
- Exploitation optimale des modèles
Prérequis
Pour suivre ce cours, il faut avoir :
- Des connaissances en informatique Générale
- De l'expérience dans l’utilisation d’IBM SPSS Modeler.
- Suivi un cours d'introduction à l’analyse statistique pour les techniques de modélisation basées sur les statistiques.
Public
Ce cours fait suite soit à Introduction à IBM SPSS Modeler et Data Mining ou Préparation des données avancée avec IBM SPSS Modeler. Il est essentiel à toute personne souhaitant se familiariser avec la gamme complète des techniques de modélisation disponibles dans IBM SPSS Modeler pour créer des modèles prédictifs.