Przejdź do głównej treści
Strona głównaR

Kurs

Predykcyjna analityka sieciowa w R

ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 09.2020
Naucz się przewidywać etykiety węzłów w sieciach, wykorzystując uczenie sieciowe i wyodrębniając opisowe cechy z sieci
Zacznij kurs za darmo
RProbability & Statistics
4 godz.
14 filmów
56 Ćwiczeń
4,300 XP
4,763
Zaświadczenie o ukończeniu

Utwórz bezpłatne konto

Kontynuuj z GooglePokaż więcej opcji

lub


Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.

Uwielbiany przez kursantów z tysięcy firm

Group

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

W tym kursie nauczysz się przeprowadzać zaawansowaną analizę predykcyjną z wykorzystaniem danych sieciowych w R. Celem analityki sieciowej jest przewidywanie, do której klasy należy dany węzeł sieci – na przykład: klient odchodzący czy nie, oszust czy nie, dłużnik czy nie. Omówimy, jak wykorzystać informacje z sieci i jej struktury w celach predykcyjnych. W szczególności poznasz ideę featuryzacji, która pozwala uzupełnić cechy niesieciowe o cechy sieciowe, zwiększając skuteczność modeli analitycznych. W trakcie kursu użyjesz pakietu igraph, aby zbudować i oznaczyć sieć klientów w kontekście odejść, oraz poznasz podstawy uczenia na sieciach. Następnie dowiesz się, czym jest homofilia, dyadyczność i heterofilia, i jak można je wykorzystać do eksploracji sieci. Później skorzystasz z funkcjonalności pakietu igraph, aby obliczyć różne cechy sieciowe – zarówno te skupione na węzłach, jak i oparte na sąsiedztwie. Poznasz też algorytm Google PageRank i empirycznie zweryfikujesz predykcyjną moc cech sieciowych. Na koniec nauczysz się tworzyć płaski zbiór danych z sieci i analizować go za pomocą regresji logistycznej oraz lasów losowych.

Wymagania wstępne

Network Analysis in RSupervised Learning in R: Classification
1

Introduction, networks and labelled networks

In this chapter you will be introduced to labelled networks, network learning and the challanges that can arise.
Zacznij rozdział
2

Homophily

In this chapter you will learn about homophily and how to compute the two measures that can be used to characterice it, dyadicity and heterophilicty.
Zacznij rozdział
Predykcyjna analityka sieciowa w R
Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracy
Zapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Predykcyjna analityka sieciowa w R już dziś!

Utwórz bezpłatne konto

Kontynuuj z GooglePokaż więcej opcji

lub


Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.