Modelos de clasificación

New
1.00

QTY:

Categories: ,

DESCRIPCIÓN DEL CURSO

El Curso de modelización estadística mediante métodos de clasificación está diseñado para aplicar modelos con el objetivo de clasificar datos de forma que se pueda asignar un correo electrónico la categoría de spam o no spam, asignar un diagnóstico a un paciente según las características observada del paciente (género, presión arterial, presencia o ausencia de ciertos síntomas, etc.), predecir si un cliente se dará de baja o predecir si un cliente no pagará un préstamo.

 

Duración : 12 horas.

OBJETIVOS

El Curso de modelización estadística mediante métodos de clasificación tiene como objetivo predecir un valor objetivo, usando uno o más predictores, e intenta encontrar una función que permita asignar un valor objetivo que el sistema no ha visto anteriormente. Esto es posible mediante 3 técnicas de modelización que incluye el manual: modelos de inducción de reglas, modelos estadísticos tradicionales y modelos de Machine Learning.

 

REQUISITOS

Conocimientos previos de programas para el tratamiento de bases de datos y hojas de cálculo.

TEMARIO DEL CURSO

1       Introducción.

1.1       Definiciones y notación.

1.2       Áreas de aplicación y ejemplos.

1.3       Técnicas de modelización.

2       Técnica de modelización I: Modelos de inducción de reglas.

2.1       Definición y características.

  • Árboles de decisión.

2.2       Áreas de aplicación y ejemplos.

2.3       Algoritmos.

  • Algoritmo CHAID.
  • Algoritmo C5.0.
  • Algoritmo CRT.
  • Algoritmo QUEST.

2.4       Ejemplo árbol de decisión.

  • Lectura de datos.
  • Interpretación del modelo.
  • Validación del modelo.
  • Criterios de crecimiento del árbol

3       Técnica de modelización II: Modelos estadísticos tradicionales.

3.1       Regresión lineal.

  • Definiciones y notación.
  • Ejemplo: predecir el valor de la vivienda.

3.2       Regresión logística.

  • ¿Qué es la regresión logística?.
  • Tratamiento de datos.
  • Ajuste del modelo.

Evaluación de la capacidad de predicción del modelo.

4       Técnica de modelización III: Modelos de aprendizaje automático (machine learning)

4.1       Redes neuronales.

  • ¿Qué es una red neuronal?.
  • Tratamiento de datos.
  • Función de la red neuronal
  • Predicciones y evaluación del modelo.

4.2       Redes Bayesianas.

  • ¿Qué es una red Bayesiana?.
  • Crear la red Bayesiana.
  • Entrenar la red.
  • Inferencia: conclusiones.

 

 

MÁS INFORMACIÓN

CURSOS RELACIONADOS