予測分析トレーニング

機械学習 

このコースでは、問題の実例から、データ分析スキルを磨き、変数間の関係を探って説明する方法を見ていきます。CART®などの教師あり機械学習技術を用いて、履歴データにあるパターンを分析し、洞察を向上させ、潜在的なリスクを特定し、改善の機会を探し、将来を予測する方法を学びます。  

集団化などの教師なし機械学習ツールを使用して、データ内の自然分割を検出し、観測値または変数を同質のセットにグループ化します。さらに、データの次元性を、元のデータを無相関変数のセット

 題材には、以下が含まれます。 :

• 判別分析
• 検定セット検証
• k分割検証
• CART®分類
• 相関
• CART®回帰
• 集団化分析 

前提条件:  分析の基礎、回帰モデルおよび予測 

高度な機械学習

実際に存在する問題のデータを分析して、変数間の関係を探り、説明することで、分析を次のレベルに引き上げます。CART木は、複雑な関係を解釈するためにシンプルな木の構造を活用するものです。しかし多くの場合、予測能力は、多数の単純な モデル（または木）を作成し、それらを1つの最終モデルに統合する、より強力なモデルを使用することで改善できます。 MARS^®、TreeNet^® 、Random Forests^® などの高度なモデリング手法を使用して、履歴データで見つかったパターンを分析し、より良い洞察を得て、潜在的なリスクを特定し、改善の機会を探し、将来について予測する方法を学びます。 注：このコースでは、アドオン予測分析モジュールのサブスクリプションが必要です。

題材には、以下が含まれます。

• 検証
• CART^® 分類
• TreeNet^® 分類
• Random Forests^® 分類
• 相関
• MARS^® 回帰
• CART^® 回帰
• TreeNet^® 回帰
• Random Forests^® 回帰
• 主な予測因子を明らかにする
• 自動化機械学習モデリング

前提条件:  分析の基礎、回帰モデルおよび予測、機会学習