|
使用SAS®Viya®的机器学习 持续时间：14小时 CPML83标准：CPML31公司
本课程讨论了与监督机器学习模型相关的技术的理论基础。我们使用了一系列演示和实践来强化解决业务问题的所有概念和分析方法。此外，定义了业务案例研究，通过说明数据探索、数据预处理、特征选择、模型培训和验证、模型评估和评分，指导参与者完成分析生命周期的所有步骤，从问题理解到模型部署。本课程是SAS Viya数据挖掘和机器学习课程的核心。它使用Model Studio，SAS Viya中的管道流接口，使您能够准备、开发、比较和部署高级分析模型。您将学习训练有监督的机器学习模型，以便对大数据做出更好的决策。 学习如何 将分析生命周期应用于业务需求。在日常活动中融入解决商业问题的方法。为分析模型开发准备和探索数据。创建并选择用于预测建模的特征。开发一系列基于不同技术的监督学习模型，如决策树、树集合（森林和梯度增强）、神经网络和支持向量机。根据业务需求评估并选择最佳模型。部署和管理生产中的分析模型。谁应该参加 业务分析师、数据分析师、营销分析师、营销经理、数据科学家、数据工程师、财务分析师、数据矿工、统计学家、数学家以及其他在相关领域工作的人员 前提条件 在参加本课程之前，参与者应至少对统计学和机器学习概念具有入门级的熟悉程度。您可以通过首先参加机器学习需要了解的统计信息课程来获得这些知识。以前的SAS软件经验很有帮助，但不是必需的。 涵盖的SAS产品 SAS Viya公司 课程大纲 介绍 商业决策中的机器学习。 监督预测的要点。 SAS Viya简介。数据准备数据探索。 特征提取。 输入转换。 特征选择。 变量聚类（自学）。 最佳实践。 选择算法。决策树和树的集合导言。 树结构模型。 递归分区。 修剪。 树木的合奏。神经网络导言。 网络架构。网络学习和优化。支持向量机和其他主题大边缘线性分类器。 解决方法。 非线性分类器：核心技巧。 其他工具。模型评估和部署模型评估和比较。 模型部署。
|
