Termine Klicken Sie für eine Online-Buchung auf das gewünschte Datum.

Data Mining - Mit IBM SPSS Modeler

Dauer: 5 Tage
Lieferart: Klassenraum
Zielgruppe: Datenanalysten
Kursnummer: 2025754
Methode: Vortrag mit Beispielen und Übungen.
  • Themen
  • Ziele
  • Übersicht
  • Dozent
  • Download
  • Buchung/Service

Tab 1

Topicsss
Schlüsselthemen:
  • Data Mining-Ansatz und Philosophie verstehen
  • Assoziationsanalyse für einfache Mustererkennung nutzen
  • Daten klassifizieren mit Entscheidungsbäumen, Künstlichen Neuronalen Netzen und Naïve Bayes
  • Zeitreihenanalyse und Regressionsanalyse durchführen
  • Cluster-Analyse für Segmentierung von Daten nutzen
  • Data Mining-Modelle bereitstellen und einsetzen

A. Assoziations- und Warenkorbanalyse

[Dauer: 0.25 Tage] Einführung in die Assoziationsanalyse und den Apriori Algorithmus - Frequent Itemsets - Regelableitung

B. Regression

[Dauer: 0.25 Tage] Linear multiple Regression - Modellerstellung und Parameterschätzung - Gütemaße - Vorhersage

C. Bayes Netze, Naive Bayes und SLRM

[Dauer: 0.75 Tage] Einführung in den Bayes Netzwerk-Algorithmus - Naive Bayes - Attributauswahl und Attributbewertung - Markov Blanket Algorithmus - Self-Learning Response Models (SLRMs) - Gütemaße - Vorhersage

D. Diskriminanzanalyse

[Dauer: 0.5 Tage] Statistische Grundlagen: Mittelwert und Varianz, Quadratesummen innerhalb und zwischen Gruppen, Korrelationen - Regeln für Variablenauswahl - Berechnungen während der Variablenauswahl (F-to-Remove / Enter, Wilk´s Lambda, Rao´s V, Distanzen, F-Tests) - Klassifikationsfunktionen - Kanonische Diskriminanzfunktionen: Kanonische Korrelation, Wilk´s Lambda, Koeffizienten, Tests für gleiche Varianzen - Gütemaße - Vorhersage

E. Logistische Regression

[Dauer: 0.5 Tage] Logistische Funktion und Einführung in die logistische Regression - Binomiale logistische Regression - Multinomiale logistische Regression - Maximum Likelihood Schätzer - Variablenauswahl - Gütemaße - Vorhersage

F. Faktorenanalyse und PCA

[Dauer: 0.25 Tage] Einführung in Faktorenanalyse und Hauptkomponentenananlyse (Principal Component Analysis, PCA) - Faktorextraktion - Faktorrotation - Faktorwerte

G. Entscheidungsbäume

[Dauer: 0.75 Tage] Einführung in Entscheidungsbäume - C&RT (Classification and Regression Trees) Algorithmen - CHAID (Chi-square Automatic Interaction Detectors) Algorithmus - QUEST (Quick, Unbiased, EfficientStatistical Tree) Algorithms - Modellerstellung - Gütemaße - Vorhersage

H. Clusteranalyse

[Dauer: 0.5 Tage] Einführung in die Clusteranalyse - Distanzen und Ähnlichkeit - k-Means Algorithmus - TwoStep Cluster Algorithms - Cluster-Anzahl - Vorhersage und Cluster-Zugehörigkeit

I. Künstliche Neuronale Netze

[Dauer: 0.75 Tage] Einführung in Künstliche Neuronale Netze - Modelle: Multilayer Perceptron mit Feed-forward und Back-Propagation, Radial Basis Function Network (RBFN), Kohonen Algorithmus - Gütemaße - Vorhersage

J. Zeitreihen mit ARIMA

[Dauer: 0.25 Tage] Einführung in Zeitreihenanalyse und AR, MA, ARMA und ARIMA - Eigenschaften von Zeitreihen - Modellerstellung - Gütemaße - Vorhersage

K. Sequenz-Algorithmus

[Dauer: 0.25 Tage] Itemsets - Transaktionen - Sequenzen - Suche nach häufigen Sequenzen - Vorhersage

Tab 2

Tab 3

Tab 4

Tab 5

Tab 6

Description
Sie haben zu den genannten Terminen keine Zeit?
Auf Anfrage besteht die Möglichkeit einen individuellen Termin auszumachen.
Description
Zur Anmeldung oder für allgemeine Fragen zum Seminar nutzen Sie bitte das Kontaktformular oder die folgenden Möglichkeiten: Kontaktformular oder die folgenden Möglichkeiten:
  • Telefon : +49.30.8145622.00
  • Fax : +49.30.8145622.10