В этом курсе изучается построение древовидных предсказательных статистических моделей и методология для построения деревьев решений, регулирования их глубины и оценки их качества. Дополнительно в курсе обсуждаются различные варианты использования деревьев – исследовательский анализ данных, сокращение размерности, импутация пропущенных значений.

Слушатели этого курса научатся:

• Строить древовидные модели, в том числе деревья классификации и деревья регрессии
• Использовать методологию для построения деревьев принятия решений, регулирования их глубины и оценки их качества
• Использовать деревья принятия решений для исследования данных, сокращения размерности моделей и импутации пропущенных значений

Для прохождения этого курса вам нужно знать основные статистические понятия. Эти навыки вы можете получить на курсе Statictics 1: Introduction to ANOVA, Regression and Logistic Regression. Также нужно уметь пользоваться программой SAS Enterprise Miner, основы использования которой можно изучить на курсах Applied Analytics Using SAS Enterprise Miner Part1 и Applied Analytics Using SAS Enterprise Miner  Part2

Аудитория

Аналитики, занимающиеся статистическим моделированием, аналитики данных, желающие использовать SAS Enterprise Miner для построения деревьев принятия решений.

Модели с древовидной структурой

• Деревья классификации
• Деревья регрессии

Рекурсивное разбиение

• Бинарное разбиение и разбиение с несколькими наследниками.  
• Критерии для разбиения
• Пропущенные значения

Обрезание дерева

• Поправки для p-значения
• Оптимизация прибыли/убытка
• Деревья вероятности класса
• Перекрёстная проверка (cross-validation)

Дополнительные примеры использования деревьев принятия решений

• Исследование данных
• Сокращение размерности
• Импутация

Ансамбли деревьев принятия решений

• Бэггинг / bagging
• Arcing
• Градиентный бустинг / gradient boosting