IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ / TeachMePlease

Confirmation of e-mail address is required!

The letter with the instruction has been sent to the e-mail address specified at the time of registration

Cookies

Cookies are disabled!

For the correct operation of the site, you must allow the use of cookies.

Cookies

Cookies are used to optimize the design and performance of our websites. By continuing to visit the website, you agree to use cookies.

Ok
Washington, D.C.

IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ

  • Online
  • Offline
Москва 
About the event
  • Level
    Easy
  • Language
    Russian
  • Age
    Any
7%
When subscribing to the newsletter, you receive a 7% discount on the first purchase
10%
Purchase this course and receive 10% discount on the next purchase
The discount is valid for  60 days  from the day of purchase
Course diplomas and certificates
  • Online
  • Offline
Москва 
About the event
  • Level
    Easy
  • Language
    Russian
  • Age
    Any
7%
When subscribing to the newsletter, you receive a 7% discount on the first purchase
10%
Purchase this course and receive 10% discount on the next purchase
The discount is valid for  60 days  from the day of purchase
  • Course Description
  • What you will learn?
  • Program
  • Requirements for course participants
Course Description

В курсе разбираются многомерные статистические методы, которые также относят к методам добычи знаний (data mining). Эти методы позволяют находить скрытые и неочевидные закономерности в больших массивах данных и принимать на основе этих закономерностей управленческие решения.

Подкасты по курсам SPSS:

Беседа 1. Вступление

Беседа 2. Краткая история программы SPSS

Беседа 3. Для кого курсы SPSS

Беседа 4. Преимущества курсов SPSS в Специалисте

Беседа 5. Статистические методы анализа данных с помощью IBM SPSS Statistics

Беседа 6. Углубленные методы анализа данных с помощью IBM SPSS Statistics

Беседа 7. Представление данных в таблицах в IBM SPSS Statistics

Беседа 8. Проведение выборочных обследований с помощью модуля Сложные выборки IBM SPSS Statistics

Беседа 9. Эффективные приемы управления файлами и данными в IBM SPSS Statistics

Беседа 10. Заключение

What you will learn?
Проводить кластерный анализ различными методами
Проводить факторный и компонентный анализ
Проводить дискриминантный анализ и классификацию на его основе
Строить деревья решений и анализировать их
Строить многомерные дисперсионные модели
Program
Модуль 1. Кластерный анализ и его применение
  • Module
  • Online
Многомерные методы классификации Понятие и области применения кластерного анализа Задачи кластерного анализа Методы кластерного анализа Преимущества и недостатки кластерного анализа Этапы кластерного анализа Исходные данные для кластерного анализа Меры расстояния между объектами Анализ качества классификации
Модуль 2. Иерархический кластерный анализ
  • Module
  • Online
Особенности иерархического кластерного анализа Алгоритм иерархических методов кластерного анализа Меры расстояния между кластерами Процедура Расстояния Меры различия Меры сходства Процедура Иерархический кластерный анализ Выбор метода иерархического кластерного анализа Результаты процедуры Иерархический кластерный анализ Графическое представление результатов иерархического кластерного анализа Настройка статистик процедуры Иерархический кластерный анализ Сохранение новых переменных
Модуль 3. Классификация методом k-средних
  • Module
  • Online
Сущность и особенности метода k-средних Алгоритм метода k-средних Процедура Кластерный анализ методом k-средних Результаты процедуры Кластерный анализ методом k-средних Настройка количества итераций Настройка дополнительных параметров Результаты вывода дополнительных настроек Сохранение новых переменных Графическое представление результатов
Модуль 4. Двухэтапный кластерный анализ
  • Module
  • Online
Особенности двухэтапного кластерного анализа Предпосылки двухэтапного кластерного анализа Алгоритм двухэтапного кластерного анализа Процедура Двухэтапный кластерный анализ Сводка результатов модели Оценка кластерной структуры Просмотр информации о кластерах Вывод информации по кластерам Управление выводом Вывод процедуры Двухэтапный кластерный анализ Дополнительная панель средства просмотра кластеров Отбор наблюдений по кластерам Параметры процедуры Двухэтапный кластерный анализ
Модуль 5. Методы снижения размерности: факторный и компонентный анализ
  • Module
  • Online
Понятие факторного анализа Цель и задачи факторного анализа Этапы факторного анализа Предпосылки применения факторного анализа Алгоритм компонентного анализа Алгоритм факторного анализа Сравнение факторного и компонентного анализов Предпосылки применения факторного и компонентного анализов Процедура Факторный анализ Результаты процедуры Факторный анализ Правила отбора факторов Выбор метода факторного анализа Проблема вращения факторов Настройка вращения факторов Параметры процедуры Факторной анализ Вывод описательных статистик Сохранение значений факторов
Модуль 6. Классификация на основе откликов: дискриминантный анализ
  • Module
  • Online
Сегментация на основе откликов Методы сегментации на основе откликов Исходные данные для дискриминантного анализа Сходства дискриминантного анализа и логистической регрессии Различия дискриминантного анализа и логистической регрессии Цель и задачи дискриминантного анализа Предпосылки дискриминантного анализа Этапы дискриминантного анализа Методы дискриминантного анализа Исходные данные Линейная модель дискриминантного анализа Процедура Дискриминантный анализ Результаты процедуры Дискриминантный анализ Статистики процедуры Дискриминантный анализ Метод пошагового отбора процедуры Дискриминантный анализ Классификация на основе результатов дискриминантного анализа Классификационные статистики Сохранение новых переменных
Модуль 7. Многомерный дисперсионный анализ
  • Module
  • Online
Многомерный дисперсионный анализ Процедура ОЛМ-многомерная Настройка параметров процедуры ОЛМ-многомерная Основные результаты многомерного дисперсионного анализа Дисперсионный анализ с повторными измерениями Процедура ОЛМ-повторные измерения Настройка параметров процедуры ОЛМ-повторные измерения
Модуль 8. Модели классификации на основе дерева решений
  • Module
  • Online
Суть метода построения дерева решений Области применения дерева решений Особенности и предпосылки применения метода дерева решений Методы построения дерева решений Сравнение методов построения дерева решений Процедура Деревья классификации Интерпретация и исследование дерева решений Проверка адекватности модели Настройка вывода в процедуре Деревья классификации Настройки и параметры процедуры Деревья классификации Правила для классификации наблюдений Критерии в процедуре Деревья классификации Регрессионные деревья решений Построение регрессионных деревьев решений
Requirements for course participants
Успешное окончание курса IBM SPSS Statistics. Уровень 1. Статистические методы анализа данных или эквивалентная подготовка.
Успешное окончание курса IBM SPSS Statistics. Уровень 2. Углубленные методы анализа или эквивалентная подготовка.

Organization

Location
  • Радио, 24с1
    Москва

Choose a purchase option

  • Offline
  • Online
Полный курс
Individual
Москва, Радио, 24с1
Вебинар
Individual
Online activity

Still have questions?

Start a chat with our support agent to get a quick response to all questions you might have