Duracion: 2 días.
Este curso cubre la modelización predictiva usando software con énfasis en el procedimiento LOGISTIC y el nodo Regression. Este curso también analiza la selección de variables, evaluación de modelos, tratamiento de valores faltantes y el uso de técnicas eficientes para grandes volúmenes de datos.
Aprenda cómo:
-Usar regresión logística para modelizar la conducta de individuos en función de variables de entrada conocidas.
-Crear gráficos de efecto y de odds ration usando ODS Statistical Graphics.
-Tratar valores faltantes.
-Resolver problemas de multicolinealidad en sus predicciones.
-Evaluar la performance de modelos y compararlos.
Quiénes debieran asistir
Modelizadores, analistas y estadísticos que necesitan construir modelos predictivos, particularmente modelos en la industria bancaria, servicios financieros, marketing directo, seguros y telecomunicaciones.
Prerrequisitos
Antes de asistir a este curso usted debiera:
-Tener experiencia en la construicción de modelos estadísticos mediante software.
-Haber realizado un curso de estadística que cubra los temas de regresión lineal y logística.
Contenido
Modelización predictiva:
-Aplicaciones de negocios.
-Desafíos analíticos.
Ajuste de modelos:
-Estimación de parámetros.
-Ajustes por sobremuestreo.
Preparación de las variables de entrada:
-Valores faltantes.
-Variables de entrada categóricas.
-Clustering de variables.
-Filtrado de variables.
-Selección de subconjunto.
Performance de clasificadores:
-Curvas ROC curves y gráficos Lift.
-Umbrales óptimos.
-Estadístico K-S.
-Estadístico C.
-Ganancia.
-Evaluación de una serie de modelos.