Schița de curs

    Preprocesarea datelor Data Cleaning Integrarea și transformarea datelor Reducerea datelor Discretizarea și generarea ierarhiei de concepte
Inferență statistică Distribuții de probabilitate, Variabile aleatoare, Teorema limită centrală
  • Prelevarea de probe
  • Intervale de încredere
  • Inferență statistică
  • Testarea ipotezelor
  • Regresie liniară multivariată Specificație
  • Selectarea subsetului
  • Estimare
  • Validare
  • Previziune
  • Metode de clasificare Regresie logistică
  • Analiza discriminantă liniară
  • K-cei mai apropiați vecini
  • Bayes naiv
  • Compararea metodelor de clasificare
  • Neural Networks Montarea rețelelor neuronale
  • Probleme legate de rețelele neuronale de antrenament
  • Arbori de decizie Arbori de regresie
  • Arbori de clasificare
  • Arbori versus modele liniare
  • Ambalare, Random Forests, Boosting Bagging
  • Random Forests
  • Amplificare
  • Suport mașini vectoriale și clasificator de marjă maximă cu disc flexibil
  • Suportă clasificatoare vectoriale
  • Suport mașini vectoriale
  • 2 și mai multe clase SVM-uri
  • Relația cu regresia logistică
  • Analiza componentelor principale
  • Clustering K-înseamnă clustering
  • Gruparea K-medoidelor
  • Gruparea ierarhică
  • Grupare bazată pe densitate
  • Evaluarea modelului și tendința de selecție, variația și complexitatea modelului
  • Eroare de predicție în eșantion
  • Abordarea bayesiană
  • Validare încrucișată
  • Bootstrap metode
  •  28 ore

    Numărul de participanți


    Pret per participant

    Mărturii (5)

    Categorii înrudite