Struttura del corso

    Pre-elaborazione dei dati Data Cleaning Integrazione e trasformazione dei dati Riduzione dei dati Discretizzazione e generazione di gerarchie concettuali
Inferenza statistica Distribuzioni di probabilità, Variabili aleatorie, Teorema del limite centrale
  • Campionamento
  • Intervalli di confidenza
  • Inferenza statistica
  • Verifica delle ipotesi
  • Regressione lineare multivariata Specificazione
  • Selezione di sottoinsiemi
  • Valutazione
  • Convalida
  • Predizione
  • Metodi di classificazione Regressione logistica
  • Analisi discriminante lineare
  • K-vicini più prossimi
  • Ingenuo Bayes
  • Confronto tra i metodi di classificazione
  • Neural Networks Adattamento di reti neurali
  • Problemi relativi alle reti neurali di addestramento
  • Alberi decisionali Alberi di regressione
  • Alberi di classificazione
  • Alberi e modelli lineari a confronto
  • Insaccamento, Random Forests, Potenziamento Insaccamento
  • Random Forests
  • Aumentare
  • Supporta le macchine vettoriali e il disct flessibile Classificatore del margine massimo
  • Classificatori vettoriali di supporto
  • Macchine vettoriali di supporto
  • 2 e più classi SVM
  • Relazione con la regressione logistica
  • Analisi delle componenti principali
  • Clustering Clustering K-means
  • Raggruppamento di K-medoidi
  • Clustering gerarchico
  • Clustering basato sulla densità
  • Valutazione e selezione del modello Distorsione, varianza e complessità del modello
  • Errore di previsione nel campione
  • L'approccio bayesiano
  • Convalida incrociata
  • Bootstrap metodi
  •   28 ore

    Numero di Partecipanti



    Prezzo per Partecipante

    Recensioni (1)

    Corsi relativi

    Categorie relative