Analytique prédictive avec des données en réseau sous R

IntermédiaireNiveau de compétence

Actualisé 09/2020

Prédisez les étiquettes des nœuds dans les réseaux via l'apprentissage en réseau et en extrayant des caractéristiques descriptives du réseau

Créez votre compte gratuit

En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Description du cours

Dans ce cours, vous apprendrez à réaliser une analytique prédictive de pointe à partir de données en réseau sous R. L’objectif de l’analyse de réseaux est de prédire à quelle classe appartient un nœud du réseau, par exemple churner ou non, fraudeur ou non, en défaut ou non, etc. Pour cela, nous expliquons comment exploiter de manière prédictive les informations issues du réseau et de sa structure sous-jacente. Plus précisément, nous présentons l’idée de featurization afin d’ajouter des caractéristiques réseau aux caractéristiques hors réseau, ce qui améliore les performances de tout modèle analytique obtenu. Dans ce cours, vous utiliserez le package igraph pour générer et annoter un réseau de clients dans un contexte de churn et vous familiariser avec les fondements de l’apprentissage sur réseaux. Vous étudierez ensuite l’homophilie, la dyadicité et l’hétérophilie, et la manière de les utiliser pour obtenir des insights exploratoires clés sur votre réseau. Vous utiliserez ensuite les fonctionnalités du package igraph pour calculer diverses caractéristiques réseau, aussi bien centrées sur les nœuds que basées sur les voisins. En outre, vous appliquerez l’algorithme PageRank de Google pour calculer des caractéristiques réseau et valider empiriquement leur pouvoir prédictif. Enfin, nous vous montrerons comment générer un jeu de données plat à partir du réseau et l’analyser à l’aide d’une régression logistique et de forêts aléatoires.

Prérequis

Network Analysis in R Supervised Learning in R: Classification

Introduction, networks and labelled networks

In this chapter you will be introduced to labelled networks, network learning and the challanges that can arise.

Motivation: social networks and predictive analytics

Description du cours

Obtenez un certificat de réussite

Rejoignez plus de .css-nklxlk{color:var(--wf-brand--main, #03EF62);}19 millions d'utilisateurs et commencez Analytique prédictive avec des données en réseau sous R dès aujourd'hui !

Créez votre compte gratuit

Apprenez où que vous soyez avec l'application DataCamp

Rejoignez plus de 19 millions d'utilisateurs et commencez Analytique prédictive avec des données en réseau sous R dès aujourd'hui !