Notre Offre  |  Cours offerts  |  Modèles prédictifs avancés avec IBM SPSS Modeler

Modèles prédictifs avancés avec IBM SPSS Modeler

Description générale

modeler3

Ce cours d’une journée est subséquent aux cours Classification des clients avec IBM SPSS Modeler et Modélisation de variables continues avec IBM SPSS Modeler. Les participants apprendront comment utiliser des techniques avancées pour la modélisation de variables catégorielles ou continues. Avant d’examiner les techniques de modélisation, ils verront comment résoudre certains problèmes lors de la préparation de données avec les partitions et la détection d’anomalies. Aussi, les participants seront introduits à l’analyse en composantes principales/analyse factorielle dans le but de réduire le nombre de variables explicatives. Les chapitres suivants présenteront des modèles prédictifs avancés tels que les listes de décision, les machines à vecteurs de support (SVM) et les réseaux Bayésiens. Il sera aussi question de la combinaison de modèles afin d’augmenter les capacités prédictives.

Note : Le matériel de cours est en anglais.

Prérequis

Cours complémentaire

Plan de cours

Préparation des données

  • Résoudre des problèmes généraux par rapport à la qualité des données
  • Détection des anomalies
  • Sélection des variables explicatives
  • Partitionner les données en échantillons d’apprentissage et de test
  • Équilibrer les données par rapport à la variable réponse

Réduction des données

  • Expliquer les concepts principaux de l’analyse en composantes principales
  • Personnaliser les options dans le nœud ACP/Facteur

Utiliser une liste de décision pour créer un ensemble de règles

  • Expliquer comment une liste de décision construit un ensemble de règles
  • Utiliser le nœud Liste de Décision de façon interactive
  • Utiliser le nœud Liste de Décision automatiquement

Modèles prédictifs avancés

  • Expliquer les concepts principaux des machines à vecteurs de supports (SVM)
  • Personnaliser les options dans le nœud SVM
  • Expliquer les concepts principaux des réseaux Bayésiens
  • Personnaliser les options dans le nœud Réseau Bayésien

Combiner des modèles

  • Utiliser le nœud Ensemble pour combiner les prédictions des modèles
  • Augmenter la performance d’un modèle par la modélisation méta/niveau

Trouver le meilleur modèle prédictif

  • Trouver le meilleur modèle pour une variable catégorielle
  • Trouver le meilleur modèle pour une variable continue

Inscription: Formule en classe | Formule en entreprise