Predykcyjna analityka sieciowa w R

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.