Главная Многомерные методы классификации в SPSS

Многомерные методы классификации в SPSS

Цена: 14 900 

Объем курса32 ак. часов
Уровень подготовкиПродвинутый
Программный продукт курсаIBM SPSS Statistics

Описание

Цель изучения курса "Многомерные методы классификации в IBM SPSS Statistics" разобрать многомерные статистические методы, которые также относят к методам добычи знаний (data mining), позволяющие находить скрытые и неочевидные закономерности в больших массивах данных и принимать на основе этих закономерностей управленческие решения.

По окончании курса Вы будете уметь:

  • проводить кластерный анализ различными методами;
  • проводить факторный и компонентный анализ;
  • проводить дискриминантный анализ и классификацию на его основе;
  • строить деревья решений и анализировать их.

Объем курса: 32 ак. часа (общая продолжительность видео лекций более 15 астрономических часов). Общий объем времени для освоения курса соответствует очному обучению 4 дня с 10:00 до 17:00.

Ссылка на портал курса (доступ к материалам курса открывается после оформления заказа и его оплаты). 

Программа курса

Тема 1. Введение в многомерные методы классификации (продолжительность видео лекции 1 час 35 минут) 

  • 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 в многомерном анализе
  • Меры различия между количественными данными
  • Процедура Расстояния
  • Оценка мер различия между количественными данными
  • Меры различия между бинарными данными и их оценка
  • Меры различия между частотными данными и их оценка
  • Меры сходства между количественными данными и их оценка
  • Меры сходства между бинарными данными и их оценка
  • Анализ качества классификации 

Тема 2. Иерархический кластерный анализ (продолжительность видео лекции 1 час) 

  • Особенности иерархического кластерного анализа
  • Алгоритм иерархических методов кластерного анализа
  • Меры расстояния между кластерами
  • 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 результатов иерархического кластерного анализа 

Тема 3.  Классификация методом k-средних (продолжительность видео лекции 1 час) 

  • 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 результатов классификации к-средними
  • Графическое представление результатов 

Тема 4. Двухэтапный кластерный анализ (продолжительность видео лекции 1 час) 

  • 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. Факторный и компонентый анализ в задачах классификации (продолжительность видео лекции 1 час 45 минут) 

  • Понятие факторного анализа
  • Цель и задачи факторного анализа
  • Этапы реализации методов снижения размерности
  • Алгоритм компонентного анализа
  • Алгоритм факторного анализа
  • Предпосылки применения факторного и компонентного анализа
  • Сравнение 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. Дискриминантный анализ (продолжительность видео лекции 1 час 40 минут) 

  • Методы классификации 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 для дискриминантного анализа
  • Линейная модель дискриминантного анализа
  • Процедура Дискриминантный анализ
  • Результаты процедуры Дискриминантный анализ
  • Статистики процедуры Дискриминантный анализ
  • Метод пошагового отбора процедуры Дискриминантный анализ
  • Процедуры классификации
  • Классификация на основе результатов дискриминантного анализа
  • Классификационные статистики
  • Геометрическая интерпретация классификационных функций
  • Сохранение результатов классификации 

Тема 7. Классификация методом ближайших соседей (продолжительность видео лекции 1 час) 

  • Сущность метода ближайших соседей
  • Процедура Ближайшие соседи
  • Задание правил определения ближайших соседей
  • Отбор переменных для классификации
  • Задание обучающей и контрольной выборки
  • Сохранение результатов классификации
  • Настройка вывода
  • Обработка пропущенных значений
  • Сводка результатов модели
  • Пространство предикторов
  • Оценка важности предикторов
  • Диаграмма соседей
  • Таблица соседей и расстояний до них
  • Диаграмма квадрантов
  • Значение ошибок при выборе числа предикторов и числа соседей
  • Таблица классификации и сводка ошибок 

Тема 8. Классификация на основе деревьев решений (продолжительность видео лекции 30 минут) 

  • Цель метода деревьев решений
  • Терминология деревьев решений
  • Задачи построения деревьев решения
  • Области применения деревьев решений
  • Преимущества и недостатки метода деревьев решений
  • Методы деревьев решений 

Тема 9. Построение деревьев решений методом CHAID (продолжительность видео лекции 1 час 40 минут)

  • Описание метода CHAID
  • Процедуры Деревья классификации
  • Сводка модели дерева решений
  • Диаграмма дерева решений
  • Таблица выигрышей
  • Таблицы риска и классификации
  • Настройка вывода дерева
  • Настройка вывода статистик
  • Настройка вывода графиков
  • Вывод правил классификации
  • Ограничение размера дерева
  • Сохранение результатов
  • Проверка модели
  • Обработка пропущенных значений
  • Задание стоимостей ошибочной классификации
  • Задание прибылей
  • Задание значений зависимой порядковой переменной

Тема 10. Построение деревьев решений методами исчерпывающий CHAID, CRT, QUEST (продолжительность видео лекции 50 минут)

  • Особенности метода исчерпывающий CHAID
  • Особенности метода CRT
  • Настройка отбора предикторов в модели CRT
  • Вывод важности предикторов в модели CRT
  • Отсечение ветвей
  • Использование суррогатов
  • Задание априорных вероятностей
  • Особенности метода QUEST

Тема 11. Редактор дерева решений (продолжительность видео лекции 30 минут)

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

 Лабораторные работы (продолжительность видео лекции более 3 часов)

Отзывы

Пожиткова КристинаУстроившись на работу в исследовательскую компанию, поняла, что полученного статистического образования, и знания основных методов многомерной классификации не достаточно, чтобы находить устойчивые кластерные решения по реальным данным маркетинговых исследований. Обратилась к онлайн курсу «Многомерные методы классификации в SPSS», чтобы обновить и структурировать информацию по знакомым мне методам и изучить методы построения деревьев решений. В данном курсе представлены все основные методы классификации, позволяющие работать с разными типами данных, что особенно важно при обработке результатов маркетинговых исследований. Большое внимание уделяется особенностям использования методов, полученным результатам и их интерпретации. Достаточно подробно разбираются все статистические параметры, которые задаются и выводятся в SPSS. Наиболее ценными для меня оказались советы преподавателя и пошаговый разбор всех процедур классификации на реальных данных. В отличие от многих учебников, где в качестве примеров подобраны данные, удовлетворяющие всем требованиям, в курсе используются более сложные случаи, на которых показывается какими способами можно улучшить результаты анализа. Большое спасибо!

Пожиткова Кристинааналитик


отзыв онлайн курс Золов Максим

Вот уже как 6 лет я активно занимаюсь анализом данных как для своих нужд, так и для коллег по работе. За это время я прошел очень много разных курсов по статистике, многие из которых оказались пустой тратой времени, что нельзя сказать про онлайн курс в Центре Статистического Анализа. Автор курса подготовил детализированную и качественную программу, куда вошел самый необходимый минимум теории и множество практических заданий. Автор раскрывает многие детали работы с программой SPSS, обработки данных и интерпретации результатов. Лично для меня плюсом курса являлось то, что его можно пройти дистанционно в любое удобное для меня время, а видео уроки можно просматривать по несколько раз пока не научишься самостоятельно решать поставленные задачи. Я однозначно рекомендую этот материал как начинающим, так и продвинутым пользователям.

Золов Максим, доктор биологических наук, исследователь


отзыв курс многомерные статистические методы

Данный курс прочитан очень интересно, понятно и подробно. Несмотря на дистанционное обучение, преподаватель всегда готов ответить на возникающие вопросы. Преимущество такого обучения еще и несомненно в том, что лекции можно прослушивать в любое удобное время, свободно совмещая с работой. В курсе рассматриваются конкретные примеры на различные темы, что помогает более эффективно усвоить материал. В ходе обучения предлагается проверить пройденный материал контрольными вопросами и лабораторными работами, которые также подробно разбираются. С полученными знаниями мне будет проще работать с большими объемами информации. С радостью в дальнейшем пройду другие курсы «Центра Статистического Анализа». Спасибо!

Дрёмина Лидия, аналитик


Читать все отзывы на онлайн-курсы


Преподаватель курса

Сорокин Александр СергеевичСорокин Александр Сергеевич – создатель и генеральный директор компании Центр Статистического Анализа. В 2001 году окончил с отличием Московский Государственный Университет Экономики, Статистики и Информатики (МЭСИ) по специальности «Статистика». В 2005 году защитил кандидатскую диссертацию по специальности 08.00.12 – «Бухгалтерский учет, статистика», на тему «Эконометрическое моделирование конъюнктуры мирового рынка нефти». В 2012 году присвоено учёное звание доцента. Работает в должности доцента на кафедре Математические методы в экономике РЭУ им. Г.В. Плеханова.  Направления научных исследований: статистическая обработка и вероятностный анализ больших массивов данных, интеллектуальный анализ данных. Читает следующие дисциплины: «Теория вероятностей и математическая статистика», «Статистические методы прогнозирования», «Эконометрика»,  «Эконометрика и моделирование в менеджменте», «Актуарные расчеты» и др. В 2013-2014 приглашенный ассоциированный профессор Казахстано-Британского Технического Университета (г. Алматы, РК). Автор более 50 научных и методических работ по применению статистических методов в практической деятельности. Преподаватель-практик и тренер-консультант. Создатель авторских курсов по статистическому анализу данных на базе пакета SPSS, читаемых в ведущих учебных центрах России. Автор и ведущий десятков тренингов по анализу данных, в том числе в 2009-2010 гг. исполнитель по федеральным контрактам на разработку и обучение сотрудников Федеральной службы государственной статистики РФ. Эксперт по построению скоринговых моделей для банков и МФО.  В качестве научного руководителя и участника принимал участие в 5 грантах  в области анализа больших данных и моделирования. Личный сайт www.alsorokin.ru.

Возможно Вас также заинтересует…

Онлайн курсы вопросы

Получить подробную информацию по дистанционному обучению и проконсультироваться по способам оплаты курсов можно по телефону +7 (499) 429-09-36 или отправить свой запрос по электронной почте info@statmethods.ru.