d e f es 
Suche
Go
Kurse

Data Mining mit CART-Entscheidungsbäumen

Mo/Di, 26./27.11.2018

Entscheidungsbäume erlauben in grafischer Form eine einfach verständliche Darstellung von Klassifikationsregeln. Der Baum selbst stellt ein wirksames Mittel zur Entscheidungshilfe dar. In dem Kurs werden Sie lernen, einen Entscheidungsbaum zu lesen und zu interpretieren, sowie einen aufgrund vorhandener Daten zu konstruieren und zu optimieren. Die praktischen Übungen stützen sich auf das Programm CART, welches den richtungsweisenden Algorithmus gleichen Namens verwendet.


Was werden Sie lernen ?
Kämpft Ihre Produktion mit schwerwiegenden Qualitätsproblemen, ohne dass die Ursachen identifiziert werden können? Oder sind Sie eher im kaufmännischen Bereich und verlieren Kunden aus unbegreiflichem Grund? Wenn Sie über eine grosse Menge ungenutzter Daten verfügen, können CART-Entscheidungsbäume sehr hilfreich sein. Dank ihrer Leistungsfähigkeit ermöglichen sie Ihnen, den Einfluss der verschiedenen Parameter (Temperatur, Dauer,... oder Kundenalter, Geschlecht,...) auf das Verhalten Ihres Systems zu verstehen. So werden Sie es effizient optimieren können. In diesem Kurs werden die Grundkonzepte der Klassifikations- und Regressionsbäume vorgestellt und anhand praktischer Beispiele erläutert. Die zahlreichen Übungen am PC erlauben Ihnen zu verstehen, wie die vorgestellte Methode Ihnen helfen kann, die richtigen Entscheidungen zu treffen. Sie werden ausserdem die benutzerfreundliche Software CART kennenlernen, mit welchem viele Unternehmen ihre Effizienz bedeutend erhöht haben.

Wer sollte teilnehmen ?
  • Qualitätsmanager, Chemiker und Ingenieure in Produktion oder Entwicklung, die grosse Datensätze ausnutzen wollen
  • Marketingspezialisten, die Kundendaten auswerten möchten, um Produkte gezielt zu entwickeln oder zu fördern
  • Elementare Statistikkenntnisse werden vorausgesetzt (z. B. entsprechend dem Kurs "Visualisierung von Labordaten")

Welche Themen werden behandelt ?
 Einführung
 Die nichtparametrische Datenanalyse
Automatisierung der Datenanalyse
Wie ist ein Entscheidungsbaum zu lesen?
Einige praktische Beispiele
Geschichtlicher Überblick
 Klassifikationsbäume
 Teilung der Population in Untergruppen, Teilungsregeln, Klassenzuweisung
Wachsen und Abschneiden der Entscheidungsbäume
Visualisierung und Interpretation der Ergebnisse
Klassifikation oder Regression?
Steuerungparameter
Praktisches Beispiel
 Regressionsbäume
 Grundlagen der Regression
Teilungsregeln
 Umsetzung in der Praxis
 Passende Dateien erstellen
Existierende Daten benutzen
Lern-, Test-, und Validierungsdaten
Ihr Modell: automatische Erstellung des Baums, Auswahl der Variablen, Interpretation der Ergebnisse
Automatisierung der Berichterstellung, Grafiken exportieren
Vorhersagen machen, Modelle für die Produktion exportieren


Weitere Fragen ?
  • Dauer: 2 Tage
  • Teilnehmerzahl: 4-12 (eigener PC für jeden Teilnehmer garantiert)
  • Kosten: inkl. vollständige Kursunterlagen, Kaffee und Mittagessen: siehe Anmeldeformular
  • Daten: siehe Anmeldeformular
  • Weitere Informationen: siehe Kontaktformular
powered by Swisscom AG
c