Questo corso è dedicato all’approfondimento della teoria e della applicazione dei modelli di alberi decisionali, allo scopo di rendere autonomi i partecipanti nelle attività di costruzione di alberi per differenti tipi di target, determinazione della migliore dimensione, miglioramento delle prestazioni dei modelli attraverso la combinazione di più alberi.

Data analyst e specialisti di modellistica predittiva.

Si richiede la comprensione dei concetti base della statistica e la partecipazione al corso “Enterprise Miner / corso base” o una conoscenza equivalente degli argomenti trattati.

Strutture di alberi decisionali
• Alberi di classificazione
• Alberi di regressione

Partizioni ricorsive
• Suddivisioni binarie o a più vie
• Criteri di suddivisione
• Valori mancanti
 
“Pruning”
• Aggiustamento del p-value
• Considerazioni su perdita / profitto
• Class probability trees
• Cross-validation

Ulteriori utilizzi
• Esplorazione dei dati
• Riduzione e migliore dimensione
• Combinazioni di alberi (perturb and combine)
• Bagging (bootstrap aggregation)
• Arcing (adaptive resembling and combining)