Pular para o conteúdo principal
InícioR

Gratuito Curso

Análise Preditiva com Dados em Rede em R

IntermediárioNível de habilidade
Atualizado 09/2020
Aprenda a prever rótulos de nós em redes usando aprendizado de rede e extraindo características descritivas da rede.
Iniciar Curso Gratuito

Incluído gratuitamente

RProbability & Statistics
4 h
14 vídeos
56 Exercícios
4,300 XP
4,758
Certificado de conclusão

Crie sua conta gratuita

Continuar Com O GoogleMostrar mais opções

ou


Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Preferido por alunos de milhares de empresas

Group

Training a Team?

Try for Business

Descrição do curso

Neste curso, você vai aprender a realizar análises preditivas de ponta usando dados em rede no R. O objetivo da análise de redes é prever a qual classe um nó da rede pertence, como churner ou não, fraudster ou não, inadimplente ou não, etc. Para isso, discutimos como aproveitar informações da rede e de sua estrutura subjacente de forma preditiva. Mais especificamente, apresentamos a ideia de featurization para que recursos de rede possam ser adicionados a recursos não relacionados à rede, elevando o desempenho de qualquer modelo analítico resultante. Neste curso, você usará o pacote igraph para gerar e rotular uma rede de clientes em um contexto de churn e conhecer os fundamentos de network learning. Depois, você aprenderá sobre homofilia, dyadicity e heterophilicty, e como usá-las para obter insights exploratórios importantes na sua rede. Em seguida, você usará a funcionalidade do pacote igraph para calcular vários recursos de rede, incluindo features centradas no nó e baseadas nos vizinhos. Além disso, você usará o algoritmo Google PageRank para calcular recursos de rede e validar empiricamente seu poder preditivo. Por fim, vamos mostrar como gerar um conjunto de dados plano a partir da rede e analisá-lo usando regressão logística e random forests.

Pré-requisitos

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.
Iniciar Capítulo
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.
Iniciar Capítulo
Análise Preditiva com Dados em Rede em R
Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenho
Inscreva-se Agora

Faça como mais de 19 milhões de alunos e comece Análise Preditiva com Dados em Rede em R hoje mesmo!

Crie sua conta gratuita

Continuar Com O GoogleMostrar mais opções

ou


Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.