Тренинг «Многомерные статистические методы классификации в IBM SPSS Statistics»

Описание тренинга: в курсе разбираются методы классификации, которые также относят к методам добычи знаний (data mining), позволяющим находить скрытые и неочевидные закономерности в больших массивах данных и принимать на основе этих закономерностей управленческие решения.

По окончании тренинга Вы будете уметь:

• проводить кластерный анализ различными методами;
• использовать факторный и компонентный анализ в задачах классификации;
• проводить дискриминантный анализ и классификацию на его основе;
• строить деревья решений и уметь анализировать их 

Продолжительность тренинга: 4 дня (с 10:00 до 17:00)

Программа тренинга:

Тема 1. Кластерный анализ и его применение

• Многомерные методы классификации
• Понятие и области применения кластерного анализа
• Задачи кластерного анализа
• Методы кластерного анализа
• Преимущества и недостатки кластерного анализа
• Этапы кластерного анализа
• Исходные данные для кластерного анализа
• Меры расстояния между объектами
• хАнализ качества классификации

Тема 2. Иерархический кластерный анализ

• Особенности иерархического кластерного анализа
• Алгоритм иерархических методов кластерного анализа
• Меры расстояния между кластерами
• Процедура Расстояния
• Меры различия
• Меры сходства
• Процедура Иерархический кластерный анализ
• Выбор метода иерархического кластерного анализа
• Результаты процедуры Иерархический кластерный анализ
• Графическое представление результатов иерархического кластерного анализа
• Настройка статистик процедуры Иерархический кластерный анализ
• Сохранение новых переменных

Тема 3.  Классификация методом k-средних

• Сущность и особенности метода k-средних
• Алгоритм метода k-средних
• Процедура Кластерный анализ методом k-средних
• Результаты процедуры
• Кластерный анализ методом k-средних
• Настройка количества итераций
• Настройка дополнительных параметров
• Результаты вывода дополнительных настроек
• Сохранение новых переменных
• Графическое представление результатов

Тема 4. Двухэтапный кластерный анализ

• Особенности двухэтапного кластерного анализа
• Предпосылки двухэтапного кластерного анализа
• Алгоритм двухэтапного кластерного анализа
• Процедура Двухэтапный кластерный анализ
• Сводка результатов модели
• Оценка кластерной структуры
• Просмотр информации о кластерах
• Вывод информации по кластерам
• Управление выводом
• Вывод процедуры Двухэтапный кластерный анализ
• Дополнительная панель средства просмотра кластеров
• Отбор наблюдений по кластерам
• Параметры процедуры Двухэтапный кластерный анализ

Тема 5. Методы снижения размерности: факторный и компонентный анализ

• Понятие факторного анализа
• Цель и задачи факторного анализа
• Этапы факторного анализа
• Предпосылки применения факторного анализа
• Алгоритм компонентного анализа
• Алгоритм факторного анализа
• Сравнение факторного и компонентного анализов
• Предпосылки применения факторного и компонентного анализов
• Процедура Факторный анализ
• Результаты процедуры Факторный анализ
• Правила отбора факторов
• Выбор метода факторного анализа
• Проблема вращения факторов
• Настройка вращения факторов
• Параметры процедуры Факторной анализ
• Вывод описательных статистик
• Сохранение значений факторов

Тема 6. Классификация на основе откликов: дискриминантный анализ

• Сегментация на основе откликов
• Методы сегментации на основе откликов
• Исходные данные для дискриминантного анализа
• Сходства дискриминантного анализа и логистической регрессии
• Различия дискриминантного анализа и логистической регрессии
• Цель и задачи дискриминантного анализа
• Предпосылки дискриминантного анализа
• Этапы дискриминантного анализа
• Методы дискриминантного анализа
• Исходные данные
• Линейная модель дискриминантного анализа
• Процедура Дискриминантный анализ
• Результаты процедуры Дискриминантный анализ
• Статистики процедуры Дискриминантный анализ
• Метод пошагового отбора процедуры Дискриминантный анализ
• Классификация на основе результатов дискриминантного анализа
• Классификационные статистики
• Сохранение новых переменных

Тема 7. Модели классификации на основе деревьев решений

• Термины, применяемые в деревьях решений
• Методология деревьев решений
• Задачи и области применения деревьев решений
• Преимущества и недостатки деревьев решений
• Методы деревьев решений
• Процедура Деревья классификации
• Настройка Вывода модели
• Сохранение результатов
• Результаты процедуры Деревья классификации
• Проверка модели

Тема 8. Построение деревьев решений методом CHAID

• Описание метода CHAID
• Запуск и настройка процедуры Деревья классификации для метода CHAID
• Построение модели CHAID
• Построение модели CHAID по данным с пропусками
• Задание стоимостей ошибочной классификации
• Задание прибылей Задание значений
• Построение более надежных моделей с помощью метода Исчерпывающий CHAID 

Тема 9. Построение деревьев решений методом CRT

• Описание метода CRT
• Запуск и настройка процедуры Деревья классификации для метода CRT
• Построение модели CRT
• Построение модели CRT по данным с пропусками
• Задание априорных вероятностей 

Тема 10. Построение деревьев решений методом QUEST

• Описание метода QUEST
• Запуск и настройка процедуры Деревья классификации для метода QUEST
• Построение модели QUEST
• Построение модели QUEST по данным с пропусками
• Задание априорных вероятностей

Тема 11. Редактор деревьев

• Просмотр диаграммы дерева в Редакторе
• Просмотр содержимого узла
• Настройка внешнего вида диаграммы
• Изменение ориентации диаграммы
• Настройка содержимого узла
• Отбор наблюдений в Редакторе