Kursplan

    Dataforbehandling Data Cleaning Dataintegrasjon og transformasjon Datareduksjon Diskretisering og generering av konsepthierarki
Statistisk slutning Sannsynlighetsfordelinger, Tilfeldige variabler, Sentral grensesetning
  • Prøvetaking
  • Konfidensintervaller
  • Statistisk slutning
  • Hypotesetesting
  • Multivariat lineær regresjonsspesifikasjon
  • Valg av delsett
  • Anslag
  • Validering
  • Forutsigelse
  • Klassifiseringsmetoder Logistisk regresjon
  • Lineær diskriminantanalyse
  • K-nærmeste naboer
  • Naiv Bayes
  • Sammenligning av klassifiseringsmetoder
  • Neural Networks Tilpasning av nevrale nettverk
  • Problemer med opplæring av nevrale nettverk
  • Beslutningstrær Regresjonstrær
  • Klassifiseringstrær
  • Trær versus lineære modeller
  • Bagging, Random Forests, Boosting Bagging
  • Random Forests
  • Forsterkning
  • Støtte vektormaskiner og fleksibel plateklassifisering for maksimal margin
  • Støtte vektorklassifiserere
  • Støtte vektormaskiner
  • 2 og flere klasser SVM-er
  • Forholdet til logistisk regresjon
  • Hovedkomponentanalyse
  • Clustering K-betyr klynging
  • K-medoider gruppering
  • Hierarkisk klynging
  • Tetthetsbasert gruppering
  • Modellvurdering og seleksjonsskjevhet, varians og modellkompleksitet
  • Prediksjonsfeil i utvalget
  • Den Bayesianske tilnærmingen
  • Kryssvalidering
  • Bootstrap metoder
  •  28 timer

    Antall deltakere



    Price per participant

    Testimonials (3)

    Related Categories