Tovább a fő tartalomhoz
Oldalpanel
E-mail :
info@statisztika-online.hu
Jelenleg vendégként van bejelentkezve (
Belépés
)
Kurzusok
----------------------------------------------------------------
A statisztika klasszikus fejezetei I.
A statisztika klasszikus fejezetei II.
----------------------------------------------------------------
Six Sigma statisztika "Feketeöveseknek"
Statisztikai folyamatszabályozás (SPC)
Mérőrendszer elemzés (MSA)
----------------------------------------------------------------
A gépi tanulás statisztikai módszerei (ML)
----------------------------------------------------------------
Klaszteranalízis
Főkomponens-elemzés
Faktoranalízis
----------------------------------------------------------------
Tesztek
----------------------------------------------------------------
A statisztika klasszikus fejezetei I.
A statisztika klasszikus fejezetei II.
----------------------------------------------------------------
Kapcsolat
----------------------------------------------------------------
Elérhetőségek
----------------------------------------------------------------
Videó kapcsolat
----------------------------------------------------------------
A gépi tanulás statisztikai módszerei. Machine Learning elméleti alapok és Minitab gyakorlatok
Kezdőoldal
Kurzusok
Machine Learning. Elméleti alapok és Minitab gyakorlatok
Komplex projekt 1. New York-i sárga taxis utazások regressziós modelljei
Alul- vagy túlillesztés. Az "éppen megfelelő" modell - 18:01 Videó
Alul- vagy túlillesztés. Az "éppen megfelelő" modell - 18:01 Videó
Utolsó módosítás: 2023. szeptember 4., hétfő, 15:09
◄ Validálás nélküli végleges modellek a Duration és a TotalCharge válaszváltozókra - 18:22 Videó
Ugrás...
Ugrás...
Kiknek szól ez a kurzus, milyen előismeretek szükségesek?
Szükséges technikai követelmények. Adatfájlok elérhetősége
A kurzus áttekintése
Bevezetés a Supervised Machine Learning, azaz a Felügyelt Gépi Tanulás módszerébe - 06:25 Videó
Bevezetés a regresszió elméletébe - 13:29 Videó
A regressziós modellek jóságának kiértékelése - 10:51 Videó
A regressziós modellek használatának feltételei a klasszikus statisztikában illetve a gépi tanulásban - 20:52 Videó
Modellépítés. Mi történik, ha a regressziós egyenlet "rossz" prediktorokat tartalmaz? - 13:11 Videó
Statisztikailag szignifikáns prediktorok - 09:01 Videó
Kategóriális prediktorokat is tartalmazó regressziós modellek. Additív hatások - 19:56 Videó
Kategóriális prediktorokat is tartalmazó regressziós modellek. Kölcsönhatások - 18:22 Videó
A prediktorok közötti multikollinearitás és következményei - 20:42 Videó
Előrejelzés egy új megfigyeléshez. Konfidencia intervallum és előrejelzési intervallum - 06:18 Videó
A lépésenkénti regresszió módszere és használata az optimális modell megtalálására a Minitab-ban - 13:01 Videó
Regresszió a Minitab segítségével. Példa. Auto-mpg. 1. rész - 16:55 Videó
Regresszió a Minitab segítségével. Példa. Auto-mpg. 2. rész - 17:52 Videó
Regresszió a Minitab segítségével. 1. gyakorlat. Ingatlanok értékelése
Regresszió a Minitab segítségével. 2. gyakorlat. A beton nyomószilárdsága
A regressziós fák alapötlete - 18:09 Videó
Regressziós fák a Minitab segítségével. Példa. Kerékpármegosztás. 1. rész - 14:47 Videó
Regressziós fák a Minitab segítségével. Példa. Kerékpármegosztás. 2. rész - 09:48 Videó
Regressziós fák a Minitab segítségével. 1. gyakorlat. Középiskolai tanulók teljesítménye
Regressziós fák a Minitab segítségével. 2. gyakorlat. Borminőség
Bevezetés a bináris logisztikus regresszióba - 23:14 Videó
Bináris osztályozási modellek értékelése. Az illeszkedés jóságának mérőszámai. ROC-görbe. AUC - 20:00 Videó
Bináris logisztikus regresszió a Minitab segítségével. Példa. Szívelégtelenség. 1. rész - 20:00 Videó
Bináris logisztikus regresszió a Minitab segítségével. Példa. Szívelégtelenség. 2. rész - 17:50 Videó
Bináris logisztikus regresszió a Minitab segítségével. 1. gyakorlat. Rizsfajták
Bináris logisztikus regresszió a Minitab segítségével. 2. gyakorlat. Szenzorláb hegesztése
Bevezetés az osztályozási fák módszerébe - 12:08 Videó
Csomópontok felosztási módszerei 1. Felosztás a téves osztályozási arány alapján - 19:41 Videó
Csomópontok felosztási módszerei 2. Felosztás a Gini-tisztaság vagy az entrópia alapján - 11:25 Videó
Egy csomópont előrejelzett osztálya - 06:28 Videó
A modell jósága - 1. A modell félreosztályozási költsége - 11:20 Videó
A modell jósága - 2. ROC-curve. Gain-chart. Lift-Chart - Bináris osztályozás - 14:50 Videó
A modell jósága - 3. ROC-curve. Gain-chart. Lift-Chart - Multinomiális osztályozás - 07:32 Videó
Előre megadott sokasági valószínűségek és félreosztályozási költségek - 11:21 Videó
A fa megépítésének folyamata - 08:13 Videó
Osztályozási fák a Minitab segítségével. Példa. Gépek karbantartása. 1. rész - 16:57 Videó
Osztályozási fák a Minitab segítségével. Példa. Gépek karbantartása. 2. rész - 09:52 Videó
Osztályozási fák a Minitab segítségével. Gyakorlat. Eső Ausztráliában
Adattisztítás. 1. rész - 16:24 Videó
Adattisztítás. 2. rész - 16:35 Videó
Új jellemzők létrehozása - 11:52 Videó
Polinomiális regressziós modellek mennyiségi prediktor változók esetében - 20:07 Videó
Minőségi és mennyiségi prediktorok. Kölcsönhatásos modellek - 28:01 Videó
Validálás nélküli végleges modellek a Duration és a TotalCharge válaszváltozókra - 18:22 Videó
Az "éppen megfelelő" modell a "Duration" válaszváltozóra - 15:58 Videó
Az "éppen megfelelő" modell a "Duration" válaszváltozóra. Egy részletesebb hibaelemzés - 12:00 Videó
Az "éppen megfelelő" modell a "TotalCharge" válaszváltozóra - 13:54 Videó
Az "éppen megfelelő" modell a "TotalCharge" válaszváltozóra. Egy részletesebb hibaelemzés - 05:55 Videó
Regressziós fák a "Duration" és a "TotalCharge" esetében - 18:16 Videó
A tanulási siker előrejelzése. A problémafelvetés - 07:19 Videó
A tanulási siker előrejelzése. Bináris logisztikus regressziós modellek - 15:59 Videó
A tanulási siker előrejelzése. Osztályozási fa modellek - 09:03 Videó
Nyílt hozzáférésű gépi tanulási adattár az önálló tanuláshoz és gyakorláshoz
Az "éppen megfelelő" modell a "Duration" válaszváltozóra - 15:58 Videó ►
Machine Learning. Elméleti alapok és Minitab gyakorlatok
Általános
Bevezetés
Regresszió a klasszikus statisztikában és a gépi tanulásban
Regresszió a Minitab segítségével. Példák és gyakorlatok
Regressziós fák
Regressziós fák a Minitab segítségével. Példák és gyakorlatok
Osztályozás bináris logisztikus regressziós modellekkel
Bináris logisztikus regressziós modellek a Minitab segítségével. Példák és gyakorlatok
Osztályozási fa modellek
Osztályozási fa modellek. Példák és gyakorlatok a Minitabbal
Komplex projekt 1. New York-i sárga taxis utazások regressziós modelljei
Komplex projekt 2. Osztályozási modellek a tanulási sikeresség előrejelzésére
Nyílt hozzáférésű gépi tanulási adattár az önálló tanuláshoz és gyakorláshoz
Kezdőoldal
Naptár