初心者のための多変量解析 (2日間)

再開催を依頼する / 関連するセミナー・出版物を探す
会場 開催

日時

開催予定

プログラム

2020年1月31日「初心者のための多変量解析 〜重回帰分析、ロジスティック回帰分析、決定木・ランダムフォレスト〜」

 大量のデータを分析し、複数の変数間の関係を見つけ出す一連の手法を多変量解析といいます。 これは、データが大規模に複雑化している現代において、データ分析によって有益な知見を得るために必須のツールです。  多変量解析による分析を実行するには、人間が手計算できないほどの複雑で大量の計算を必要とするものが多くあります、R言語を用いればこのような計算も即座に行うことができます。計算能力の向上は多変量解析が重要性を増している一因でもあります。  本セミナーでは、まず多変量解析の手法の数学的な仕組みについて解説を行い、次にR言語を用いて実際に分析を行います。理論と実践の両面から理解を深めることで、手法の正しい理解の下に分析結果を読み解き、分析結果を評価できるようになることが目標です。多変量解析の様々な手法の中から、重回帰分析、ロジスティック回帰分析、決定木とランダムフォレストをご紹介致します。

  1. 重回帰分析
    1. 重回帰分析の概要
      1. 最小二乗法
    2. Rによる実行
      1. 結果の解釈
      2. 精度の検証とモデルの検討
  2. ロジスティック回帰
    1. ロジスティック回帰の概要
      1. ロジスティック関数
      2. 最尤法
    2. Rによる実行
      1. 結果の解釈
      2. 精度の検証とモデルの検討
  3. 決定木とランダムフォレスト
    1. 決定木の概要
      1. 不純度
    2. 決定木のRによる実行
      1. データロバストでない
    3. ランダムフォレストの概要
    4. ランダムフォレストのRによる実行
      1. 結果の確認と検討
      2. 変数重要度

2020年2月19日「初心者のための多変量解析 〜主成分分析、因子分析、クラスター分析〜」

 大量のデータを分析し、複数の変数間の関係を見つけ出す一連の手法を多変量解析といいます。 これは、データが大規模に複雑化している現代において、データ分析によって有益な知見を得るために必須のツールです。  多変量解析による分析を実行するには、人間が手計算できないほどの複雑で大量の計算を必要とするものが多くあります、R言語を用いればこのような計算も即座に行うことができます。計算能力の向上は多変量解析が重要性を増している一因でもあります。  本セミナーでは、まず多変量解析の手法の数学的な仕組みについて解説を行い、次にR言語を用いて実際に分析を行います。理論と実践の両面から理解を深めることで、手法の正しい理解の下に分析結果を読み解き、分析結果を評価できるようになることが目標です。多変量解析の様々な手法の中から、主成分分析、因子分析、クラスター分析をご紹介致します。

  1. 主成分分析
    1. 主成分分析の概要
      1. 分散最大化
    2. 主成分分析の実行
      1. 結果の解釈
      2. 精度の検証
  2. 因子分析
    1. 因子分析の概要
      1. パス図
    2. Rによる実行
      1. 結果の解釈と回転
      2. 精度の検証とモデルの検討
  3. クラスター分析
    1. 階層的クラスター分析の概要
      1. ward法
    2. 階層的クラスター分析 (ward法) のRによる実行
      1. デンドログラムの作成と解釈
    3. 非階層的クラスター分析の概要
      1. k-means法
    4. k-means法のRによる実行
      1. 結果の確認と検討
      2. k-means法の弱点

会場

江東区産業会館
135-0016 東京都 江東区 東陽4丁目5-18
江東区産業会館の地図

受講料

持参物

本セミナーではPC実習がございます。
ノートパソコンをご持参ください。
統計ソフトRを予めインストールしておいてください。

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。
複数名で同時に申込いただいた場合、1名様につき 31,500円(税別) / 34,650円(税込) で受講いただけます。

アカデミック割引

学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院の教員、学生に限ります。