آموزش درک و استفاده از تحلیل عاملی و PCA

Understanding and Applying Factor Analysis and PCA

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: تجزیه و تحلیل فاکتورها و PCA ابزار قدرتمندی هستند که در بسیاری از شرایط معمول در تجزیه و تحلیل داده ها و تجارت قابل استفاده هستند. این دوره نظریه و پیاده سازی تجزیه و تحلیل عامل و PCA را شامل می شود ، در Excel (با استفاده از VBA) ، Python و R.Factor Analysis و PCA تکنیک های اصلی برای کاهش ابعاد و شناسایی عامل پنهان هستند. در این دوره ، درک و بکارگیری تجزیه و تحلیل فاکتورها و PCA ، شما خواهید فهمید که چگونه می توانید تحلیل عاملی و PCA را بفهمید و به کار بگیرید. در ابتدا ، شما چگونگی برهم ریختگی را با تجزیه و تحلیل عامل بررسی خواهید کرد. در مرحله بعدی ، خواهید فهمید که چگونه می توانید با استفاده از PCA ، یک رویکرد مبتنی بر ML ، تحلیل عاملی را انجام دهید. سپس ، نحوه انجام تجزیه مقادیر ویژه را یاد خواهید گرفت ، یک روش جبری خطی برش کوکی. سرانجام ، شما نحوه پیاده سازی PCA را برای توضیح بازده سهام Google در Excel و VBA ، R و Python یاد خواهید گرفت. با پایان این دوره ، شما دانش کافی کاربردی در مورد تجزیه و تحلیل عامل و PCA خواهید داشت که به شما در حل مشکلات پیچیده تجارت کمک می کند.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

معرفی تحلیل فاکتور و PCA Introducing Factor Analysis and PCA

  • برش درهم و برهمی با تجزیه و تحلیل عامل Cutting Through Clutter with Factor Analysis

  • رگرسیون خطی و تحلیل عاملی Linear Regression and Factor Analysis

  • چه و چگونه: تجزیه و تحلیل عوامل و PCA What and How: Factor Analysis and PCA

  • دو رویکرد برای استخراج عامل Two Approaches to Factor Extraction

  • میانگین و واریانس Mean and Variance

  • کوواریانس و همبستگی Covariance and Correlation

  • متغیرهای تصادفی و عملیات ماتریس Random Variables and Matrix Operations

  • شهود پشت PCA The Intuition Behind PCA

درک تحلیل عوامل و PCA Understanding Factor Analysis and PCA

  • شهود پشت مonلفه های اصلی The Intuition Behind Principal Components

  • چگونه اجزای اصلی یافت می شوند How Principal Components Are Found

  • درک مقادیر ویژه و نمودارهای Scree Understanding Eigenvalues and Scree Plots

  • یافتن ملفه های اصلی Finding Principal Components

  • چرا اجزای اصلی مفید هستند Why Principal Components Are Useful

  • PCA برای شناسایی عامل نهفته PCA for Latent Factor Identification

  • چه زمانی از PCA استفاده نکنید When Not to Use PCA

پیاده سازی تحلیل عاملی و PCA در Excel و VBA Implementing Factor Analysis and PCA in Excel and VBA

  • PCA در اکسل و VBA PCA in Excel and VBA

  • محاسبه بازده سهام Calculating Stock Returns

  • محاسبه همبستگی ها Calculating Correlations

  • محاسبه کوواریانس ها Calculating Covariances

  • محاسبه مقادیر ویژه و بردارهای ویژه با استفاده از VBA Calculating Eigenvalues and Eigenvectors Using VBA

  • محاسبه مincipلفه های اصلی از بردارهای ویژه Calculating Principal Components from Eigenvectors

  • استاندارد کردن بردارها Standardizing Vectors

  • تفسیر نتایج PCA Interpreting PCA Results

پیاده سازی تحلیل عاملی و PCA در R Implementing Factor Analysis and PCA in R

  • R و Set Data را بارگیری کنید Download R and Set Data

  • محاسبه بازده Calculating Returns

  • محاسبه مقادیر ویژه ، وکتورهای ویژه و م Compلفه های اصلی Calculating Eigenvalues, Eigenvecors, and Principal Components

  • رگرسیون و تفسیر Regression and Interpretation

پیاده سازی تحلیل عاملی و PCA در پایتون Implementing Factor Analysis and PCA in Python

  • استفاده از پانداها در پایتون Using Pandas in Python

  • محاسبه بردارهای استاندارد شده Calculating Standardized Vectors

  • محاسبه اجزای اصلی Calculating Principal Components

  • تفسیر نتایج PCA Interpreting PCA Results

نمایش نظرات

آموزش درک و استفاده از تحلیل عاملی و PCA
جزییات دوره
2h 35m
32
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
40
4.3 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Vitthal Srinivasan Vitthal Srinivasan

ویتال بسیاری از عمر خود را صرف تحصیل کرده است - وی دارای مدرک کارشناسی ارشد در رشته های ریاضی و مهندسی برق از استنفورد ، MBA از INSEAD و لیسانس مهندسی کامپیوتر از بمبئی است. او همچنین بسیاری از زندگی خود را صرف کار کرده است - به عنوان یک مشتق مشتق در Credit Suisse در نیویورک ، سپس به عنوان یک معامله گر کوان ، ابتدا با یک صندوق پرچین در گرینویچ و سپس به صورت شخصی و در نهایت در Google در سنگاپور و Flipkart بنگلور در تمام این نقش ها ، او کدهای زیادی نوشته است و مدل های زیادی ساخته است.