Visão Geral

Curso Predictive Modeling for Categorical Targets Using IBM SPSS Modeler: Aprenda a usar modelos analíticos para prever campos categóricos.  Este curso se concentra no uso de modelos analíticos para prever um campo categórico, como rotatividade, fraude, resposta a uma correspondência, exames de aprovação / reprovação e quebra de máquina. Os alunos são apresentados a árvores de decisão, como CHAID e C&R Tree, modelos estatísticos tradicionais, como regressão logística, e modelos de aprendizado de máquina, como redes neurais. Os alunos aprenderão sobre opções importantes em caixas de diálogo, como interpretar os resultados e explicar as principais diferenças entre os modelos.

Objetivo

Após realizar este Curso Predictive Modeling for Categorical Targets Using IBM SPSS Modeler, você será capaz de:

• Introdução aos modelos preditivos e alvos categóricos
• Como construir árvores de decisão com CHAID, C&R Tree e Quest
• Modelos estatísticos tradicionais
• Como usar modelos de aprendizado de máquina

Publico Alvo

Usuários de negócios de análise que desejam se familiarizar com modelos analíticos para prever um campo categórico (sim / não rotatividade, sim / não fraude, resposta sim / não a uma correspondência, aprovação / reprovação em exames, sim / não quebra de máquina e assim adiante).

Pre-Requisitos

Experiência no uso do IBM SPSS Modeler, incluindo familiaridade com o ambiente do Modeler, criação de fluxos, leitura de arquivos de dados, exploração de dados, configuração da unidade de análise, combinação de conjuntos de dados, derivação e reclassificação de campos e um conhecimento básico de modelagem.

Materiais

Conteúdo Programatico

Introduction to predictive models for categorical targets

1. Identify three modeling objectives
2. Explain the concept of field measurement level and its implications for selecting a modeling technique
3. List three types of models to predict categorical targets

Building decision trees interactively with CHAID

1. Explain how CHAID grows decision trees
2. Build a customized model with CHAID
3. Evaluate a model by means of accuracy, risk, response and gain
4. Use the model nugget to score records

Building decision trees interactively with C&R Tree and Quest

1. Explain how C&R Tree grows a tree
2. Explain how Quest grows a tree
3. Build a customized model using C&R Tree and Quest
4. List two differences between CHAID, C&R Tree, and Quest

Building decision trees directly

1. Customize two options in the CHAID node
2. Customize two options in the C&R Tree node
3. Customize two options in the Quest node
4. Customize two options in the C5.0 node
5. Use the Analysis node and Evaluation node to evaluate and compare models
6. List two differences between CHAID, C&R Tree, Quest, and C5.0

Using traditional statistical models

1. Explain key concepts for Discriminant
2. Customize one option in the Discriminant node
3. Explain key concepts for Logistic
4. Customize one option in the Logistic node

Using machine learning models

1. Explain key concepts for Neural Net
2. Customize one option in the Neural Net node