Kursplan

    Dataförbearbetning Data Cleaning Dataintegration och transformation Datareduktion Diskretisering och begreppshierarkigenerering
Statistisk slutledning Sannolikhetsfördelningar, Slumpvariabler, Central gränssats
  • Provtagning
  • Konfidensintervall
  • Statistisk slutsats
  • Hypotestestning
  • Multivariat linjär regression Specifikation
  • Val av delmängd
  • Uppskattning
  • Godkännande
  • Förutsägelse
  • Klassificeringsmetoder Logistisk regression
  • Linjär diskriminantanalys
  • K-närmaste grannar
  • Naiv Bayes
  • Jämförelse av klassificeringsmetoder
  • Neural Networks Passande neurala nätverk
  • Träningsproblem med neurala nätverk
  • Beslutsträd Regressionsträd
  • Klassificeringsträd
  • Träd kontra linjära modeller
  • Bagging, Random Forests, Boosting Bagging
  • Random Forests
  • Boostning
  • Stöd för vektormaskiner och flexibel skivklassificerare för maximal marginal
  • Stöd vektorklassificerare
  • Stöd vektor maskiner
  • 2 och fler klasser SVM:s
  • Förhållande till logistisk regression
  • Huvudkomponentanalys
  • Klustring K- betyder klustring
  • K-medoider klustring
  • Hierarkisk klustring
  • Densitetsbaserad klustring
  • Modellbedömning och urvalsbias, varians och modellkomplexitet
  • Förutsägelsefel i urvalet
  • Det bayesianska synsättet
  • Korsvalidering
  • Bootstrap metoder
  •   28 timmar

    Antal deltagare


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.

    Price per participant

    Vittnesmål (1)

    Relaterade Kurser

    Relaterade Kategorier