• Základní kurzy

Klasifikační a regresní stromy

Rozhodovací stromy jsou jednou z nejpoužívanějších technik Data Miningu. Kurz Klasifikační a regresní stromy je určen těm, kteří se zajímají o klasifikaci dat (například Credit Scoring, kdy se na základě příznaků snažíme rozhodnout o zařazení vzorů do skupin) nebo se věnují regresním úlohám včetně predikcí časového vývoje. Kurz seznámí účastníky nejen s klasickými metodami, ale i s pokročilejšími stromovými strukturami jako jsou Boosting Trees nebo Random Forests. Součástí kurzu je také interaktivní tvorba vlastních stromů a jejich modifikace.

Cílová skupina

• Statistici, datoví specialisté či analytici, kteří potřebují řešit úlohu predikce kategorií či predikci nějaké spojité veličiny na základě dalších atributů.
• Klasifikační stromy jsou typickou metodou používanou v bankovnictví a pojišťovnictví.
• Nejtypičtější je využití v oblasti Credit Scoring.

Cíle kurzu

• Porozumět metodologii stromovitých algoritmů.
• Dokázat vytvořit a interpretovat model pro predikci.
• Dokázat si vyhodnotit, který model vybrat jako finální pro nasazení do procesu predikce.
• Naučit se analyzovat data těmito metodami v softwaru TIBCO Statistica.
• Seznámit se s prostředím Statistica Data Miner.

Osnova

Úvod

• Základní informace o softwaru TIBCO Statistica
• Výukové zdroje pro software a možnosti nápovědy

Příprava dat STATISTICA

• Načtení, transformace, vzorkování, filtrace odlehlých hodnot, oprava chybějících údajů, atd.

Výběr důležitých prediktorů pro požadovanou úlohu

Sdružování rozsáhlých skupin hodnot příznaků (Binning)

Klasifikační a regresní stromy

• Vytváření, princip, možnosti, využití

Metody

• Klasifikační a regresní stromy CART
• CHAID
• Generované stromy (Boosted Trees)
• Náhodné lesy (Random Forests)
• Vytváření klasifikačních a regresních stromů v interaktivním režimu (generování stromu, prořezávání stromu, výběr rozhodovacích proměnných, výběr mezí)

Vyhodnocení kvality vytvořeného modelu

• Korelační analýza
• ROC křivka
• Grafy zisku a navýšení (Gains a Lift Chart)

Nasazení modelu v praxi

Hierarchické shlukování a jeho souvislost s klasifikačními a regresními stromy

Základy práce v prostředí modulu Statistica Data Miner

• Práce s Recepty (wizardem)
• Práce v rámci pracovní plochy (Workspaces)
• Využití přednastavených úloh
• Implementace vlastních uzlů

Předpoklady účastníka

• Běžná obsluha počítače v prostředí Windows

Navazující kurzy

Je možné a vhodné rozšířit znalost prostředí Workspace (které je v tomto kurzu probráno jen částečně) prostřednictvím kurzu:

• Data Mining v praxi v prostředí Workspace

Pokud se chcete vzdělat také v dalších metodách, které mohou být alternativním řešením pro klasifikační a regresní stromy, pak doporučujeme kurzy:

• Neuronové sítě
• Data Mining (dvoudenní varianta) nebo Data Mining (třídenní varianta)

Certifikace

• Účastník získá certifikát o absolvování kurzu

Délka kurzu

• 1 dny (1x 6h)

Pozn: Jednotlivé příklady v průběhu kurzu jsou procvičovány v anglické verzi softwaru Statistica.