Цель курса

Данный курс дает необходимые теоретические знания и практические навыки для прогнозирования непрерывных (числовых) показателей в IBM SPSS Modeler. Слушатели изучат модели вывода правил методом индукции, такие как CHAID и дерево C&R, традиционные статистические модели, такие как линейная регрессия и регрессия Кокса, а также модели машинного обучения. Рассматриваемые технологии могут применяться для решения таких бизнес-задач, как прогноз продолжительности подписки на периодические издания или телекоммуникационные услуги, прогноз суммы выплат по страховым случаям, а также других подобных задач.

Для кого предназначен этот курс

Данный курс среднего уровня сложности является продолжением курса «Знакомство с IBM SPSS Modeler и наукой о данных» и предназначен для всех желающих познакомиться с методами прогнозирования непрерывных (числовых) показателей. В первую очередь курс будет полезным для аналитиков данных и бизнес-аналитиков.

Для успешного прохождения курса слушатели должны

• Предварительно пройти курс "Знакомство с IBM SPSS Modeler и наукой о данных".
• Необходим опыт работы в IBM SPSS Modeler, включающий такие навыки, как создание рабочих потоков, импорт данных, преобразование данных, установка единицы анализа, объединение данных и создание моделей.

По окончании курса слушатели смогут:

• Строить модели CHAID и C&R в интерактивном и автоматическом режимах для прогнозирования непрерывных показателей
• Строить традиционные статистические модели для прогнозирования непрерывных показателей
• Строить нейронные сети для прогнозирования непрерывных показателей

Основные темы:

• Основы моделирования
• Упражнение: Основы моделирования
• Построение дерева решений в интерактивном режиме
• Упражнение: Построение дерева решений в интерактивном режиме
• Построение дерева решений в автоматическом режиме
• Упражнение: Построение дерева решений в автоматическом режиме
• Использование традиционных статистических моделей
• Упражнение: Использование традиционных статистических моделей
• Использование моделей машинного обучения
• Упражнение: Использование моделей машинного обучения