【Udemy中英字幕】Advanced Data Science Techniques in SPSS

SPSS 中的高级数据科学技术

磨练您的 SPSS 技能 – 掌握 SPSS 程序中可用的最高级别数据分析方法。

讲师：Bogdan Anastasiei

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 使用预测因子选择技术执行高级线性回归
• 执行任何类型的非线性回归分析
• 使用 k 最近邻 (KNN) 技术进行预测
• 使用二叉树（CART）进行预测（回归树和分类树）
• 使用非二叉树（CHAID）进行预测（回归树和分类树）
• 构建并训练多层感知器 (MLP)
• 构建和训练径向基函数 (RBF) 神经网络
• 执行双向聚类分析
• 使用 Kaplan-Meier 方法运行生存分析
• 使用 Cox 回归运行生存分析
• 使用验证集方法和交叉验证来验证预测技术（KNN、树、神经网络）
• 保存预测分析模型并用它来预测未来的新数据

探索相关主题

• 数据科学
• 发展

要求

• 已安装 SPSS 程序（版本 21+）
• SPSS 基础知识
• 具有基础或中级统计知识

描述

成为表现出色的数据分析师 – 参加 SPSS 中的高级数据科学课程！

只需几天时间，您就可以掌握 SPSS 程序中一些最复杂的数据分析技术。即使您不是专业的数学家或统计学家，您也能完全理解这些技术，并能够将它们应用于实际的现实生活中。

数据科学家和数据挖掘人员每天都会使用这些方法来利用原始数据做出准确的预测。如果你想成为一名高技能分析师，你必须了解它们！

不用多说，让我们看看你将要学到什么……

• 逐步回归分析是一种在有大量预测变量时帮助您选择最佳预测变量子集进行回归分析的技术。通过这种方式，您可以创建既简约又有效的回归模型。
• 非线性回归分析。完成本课程后，您将能够使用 SPSS 拟合任何非线性回归模型。
• K 近邻是一种非常流行的预测技术，主要用于分类目的。因此，您将学习如何使用此方法预测分类变量的值。
• 决策树。我们将研究二叉树 (CART) 和非二叉树 (CHAID)。对于这两种类型，我们将考虑两种情况：响应因变量的情况（回归树）和分类响应变量的情况（分类树）。
• 神经网络。人工神经网络现在很流行，因为它们在许多情况下都是合适的预测工具。在 SPSS 中，我们可以训练两种类型的神经网络：多层感知器 (MLP) 和径向基函数 (RBF) 网络。我们将详细研究这两种网络。

• 两步聚类分析是一种有效的分组程序，它使我们能够识别人群中的同质群体。它在很多领域都很有用，例如市场研究、医学（例如基因研究）、生物学、计算机科学、社会科学等。
• 生存分析。如果您需要估计以下之一：某个事件发生前的可能时间、人口中有多少百分比会遭受该事件的影响或哪些特定情况会影响该事件发生的概率，那么您需要应用这里研究的生存分析方法之一：Kaplan-Meier 或 Cox 回归。

对于每种分析技术，都提供了简短的理论介绍，以便读者熟悉与该技术相关的基本概念和概念。然后，对实际数据集执行分析，并彻底解释输出。

此外，对于一些技术（KNN，决策树，神经网络），你还将学习：

• 如何使用验证集方法或交叉验证在独立数据集上验证模型
• 如何保存模型并使用它来预测将来可能出现的新数据。

立即加入并开始在 SPSS 中构建复杂且需求旺盛的数据分析技能！

本课程适合哪些人：

• 学生
• 博士研究生
• 学术研究人员
• 商业研究人员
• 大学教师
• 任何对数据分析和数据科学充满热情的人