ホーム > セミナー > 決定木分析ノウハウ

~CART法アルゴリズムの基礎・応用からRによる解析実演まで~

決定木分析ノウハウ

機械学習やデータマイニングを始めて、決定木について詳しく学びたいと思ったことはありませんか?
疑問やスキル不足を集中的に補って、一つずつステップアップしてくためにぜひご利用ください。
基礎的な知識からRによる解析の実演まで、実務に応用しやすいように丁寧に解説します!

※受付を終了しました。最新のセミナーはこちら

セミナー概要

略称
決定木
セミナーNo.
st180308  
開催日時
2018年03月14日(水)10:30~16:30
主催
サイエンス&テクノロジー(株)
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
開催場所
きゅりあん 6F 中会議室
価格
非会員: 48,600円(税込)
会員: 46,170円(税込)
学生: 48,600円(税込)
価格関連備考
48,600円 (会員受講料 46,170円 )
定価:本体45,000円+税3,600円
会員:本体42,750円+税3,420円
【2名同時申込みで1名分無料キャンペーン!(1名あたり定価半額の24,300円)】
 ※2名様とも会員登録をしていただいた場合に限ります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、上記1名あたりの金額で追加受講できます。
 ※受講券、請求書は、代表者にご郵送いたします。
 ※請求書および領収書は1名様ごとに発行可能です。
  (申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
 ※他の割引は併用できません。
備考
※資料・昼食付
※講義中の録音・撮影はご遠慮ください。
※講義中のパソコン使用はキーボードの打音などでご遠慮いただく場合がございます。

講座の内容

受講対象・レベル
・ 決定木アルゴリズムを機械学習手法の一環として身につけたい方
・ 古典的統計手法では解決困難な課題に直面している方
習得できる知識
・ 決定木アルゴリズムの基礎知識
・ Rによる決定木アルゴリズムのプログラミング手法
趣旨
 社会の進化に伴い、統計学の環境が大きく変化しています。データサイズが大きくなっているのはもとより、データ解析の方法が多様化してきており、データマイニングや機械学習のような新しい手法が求められるようになってきています。なかでも、活発に研究されている代表的な方法の一つが、決定木アルゴリズムによる分析法です。これは、応答に対する何等かの基準で応答に関与する説明変数を再帰的に分割しながらモデルを構築する統計的方法です。データに潜む要因構造があたかも「木」のように視覚的に表現されるためこのように言われています。とりわけCART(Classification and Regression Tree)法は、現在数多くの統計パッケージに実装されており、医学・環境科学・計量経済学・認知心理学といった様々の分野で応用例が報告されています。さらにCART法の長所を保持しながら アンサンブル学習法を介して、より強力な予測精度をもつ手法(Bagging法、RandomForest法など)が多数開発されてきています。
 今回のセミナーでは、決定木分析の基礎知識を先ずはCARTを中心に習熟し、次いでCART法のアルゴリズムを踏襲し発展させた様々な手法について知識を深めます。さらに、セミナーでは実際にRを使用した解析を実演し、実務にすぐに応用できるように導きます。
プログラム
1.分類回帰木(CART)
 1.1 木の成長過程
 1.2 Gini係数
 1.3 木の刈込み過程
 1.4 最適な木の決定
 1.5 RによるCART法の例示

2.多変量回帰木法
 2.1 多変量回帰木法の概要
 2.2 Rによる多変量回帰木法

3.検定統計量に基づく決定木アルゴリズム
 3.1 検定統計量に基づく決定木の概要 
 3.2 条件付き推測樹木
 3.3 Rによる条件付き推測樹木の例示
 3.4 ハイブリッド型樹木法の概要
 3.5 Rによるハイブリッド型樹木法の例示

4.多変量適応型回帰スプライン法(MARS法)
 4.1 MARS法について
 4.2 MARS法・の2値応答に対する拡張
 4.3 RによるMARS法の例示
 4.4 柔軟判別分析
 4.5 Rによる柔軟判別分析の例示 
 4.6 論理回帰法
 4.7 Rによる論理回帰法の例示

5.データ・ピーリング法
 5.1 PRIM法の概要
 5.2 RによるPRIM法の例示
 5.3 アソシエーションルール分析
 5.4 Rによるアソシエーションルール分析の例示

6.ブースティング法に基づくアンサンブル法
 6.1 アダブースト法
 6.2 Rによるアダブースト法の例示
 6.3 多重加法型回帰木法(MART法)の概要
 6.4 RによるMART法の例示

7.ブートストラップ法に基づくアンサンブル学習法
 7.1 Bagging法
 7.2 RによるBagging法の例示
 7.3 RandomForest法
 7.4 RによるRandomForest法の例示 

  □質疑応答・名刺交換□

関連するセミナー

関連する書籍・DVD

関連するタグ