预测分析培训

机器学习 

本课程通过实际发生的问题示例来讲授如何探索和描述变量之间的关系，进而帮助您增强数据分析技能。您将学习使用受监督的机器学习技术（如 CART®），分析在历史数据中发现的模式，这可帮助您获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。 

使用不受监督的机器学习工具（如 Clustering），检测数据中的自然分割，并将观测值或变量分组到同质集中。此外，还通过将原始数据变换为一组不相关的变量，对数据进行降维。

包括以下主题 :

• 判别分析
• 测试集验证
• K 折叠验证
• CART® 分类
• 相关
• CART® 回归
• 聚类分析 

前备课程: 分析基础知识以及回归建模与预测 

高级机器学习

通过分析来自现实世界问题的数据来探索和描述变量之间的关系，从而将您的分析能力提升到一个新的水平。CART 树提供了一个简单的树形结构来解释复杂关系。不过，通常可以通过使用更强大的模型来提高它们的预测能力，该模型可以创建许多简单的模型（或树），并将这些简单模型合并到一个最终模型中。学习使用先进的建模技术（如 MARS^®、TreeNet^® 和 Random Forests^®）来分析历史数据中的模式，以获得更好的见解，识别潜在风险，寻找改进机会，并对未来进行预测。 注意：本课程需要订阅附加预测分析模块。

包括以下主题：

• 验证
• CART^® 分类
• TreeNet^® 分类
• Random Forests^® 分类
• 相关
• MARS^®  回归
• CART^® 回归
• TreeNet^® 回归
• Random Forests^® 回归
• 发现关键预测变量
• 自动化机器学习建模

前备课程：分析基础知识、回归建模与预测、机器学习