Entscheidungsbäume in TIBCO® Data Science / Statistica™

Entscheidungsbäume TIBCO® Data Science / Statistica™ (TRE)

Die­ser Kurs ist ein pra­xis­na­hes Trai­ning für die Metho­dik der Ent­schei­dungs­bäu­me und ihrer Bedie­nung in der Soft­ware TIBCO Sta­tis­ti­ca™. Ent­schei­dungs­bäu­me sind robust, schnell und ver­ständ­lich und eig­nen sich zur Pro­gno­se und explo­ra­ti­ven Daten­ana­ly­se von gro­ßen und hete­ro­ge­nen Daten­sät­zen.

Inhal­te

• • Grund­la­gen der Ent­schei­dungs­bäu­me: Tei­lungs­re­geln, Pru­ning, Ana­ly­se
  • CART
  • CHAID
  • Ran­dom Forest
  • Boos­ted Trees

Typ
TIBCO Sta­tis­ti­ca™ ist eine umfang­rei­che, eta­blier­te und benut­zer­freund­li­che Data Science Anwen­dung aus dem Hau­se TIBCO®. TIBCO Sta­tis­ti­ca™ ist als ‘TIBCO® Data Science - Sta­tis­ti­ca®’ im Paket ‘TIBCO® Data Science’ ent­hal­ten. In Zukunft wird TIBCO Sta­tis­ti­ca™ als ‘TIBCO® Data Science - Work­bench®’ erhält­lich sein.
Unse­re Sta­tis­ti­ca-Trai­nings geben einen sys­te­ma­ti­schen Ein­blick in die Soft­ware, dabei wer­den ein­zel­ne Kom­po­nen­ten schritt­wei­se ein­ge­führt und die Bedie­nung anhand von Übun­gen ver­tieft. Als Bei­spie­le die­nen all­ge­mein ver­ständ­li­che Daten­sät­ze aus ver­schie­de­nen Anwen­dungs­be­rei­chen. In unse­rem Schu­lungs­zen­trum in Ham­burg steht für jeden Teil­neh­mer ein Schu­lungs-PC zur Lösung der Auf­ga­ben zur Ver­fü­gung.
Unse­re Trai­ner gehen auf alle Fra­gen der Teil­neh­mer ein und beant­wor­ten die­se im Trai­nings­ver­lauf an pas­sen­der Stel­le.
Die Trai­nings­un­ter­la­gen wer­den als PDF zur Ver­fü­gung gestellt. Alle bear­bei­te­ten Auf­ga­ben und Ergeb­nis­se erhal­ten die Teil­neh­mer im Anschluss an das Trai­ning.

Stich­wor­te
Bag­ging, Boos­ted Trees, Boos­ting, C&RT, CART, CHAID, Entro­pie, Explo­ra­ti­on, Feh­len­de Wer­te, Fehl­wert Erset­zung, GINI, Infor­ma­ti­on Gain, Pro­gno­se, Ran­dom Forest, Sto­cha­stic Gra­di­ent Boos­ting, Tei­lungs­re­geln, Varia­blen­wich­tig­keit

Vorraus­set­zun­gen
In die­sem Trai­ning wer­den Pro­gramm­kennt­nis­se aus dem Data Mining Kurs (SDM) vor­aus­ge­setzt.