0% menganggap dokumen ini bermanfaat (1 suara)
106 tayangan4 halaman

Data Science in Finance Dimension Reduction

Diunggah oleh

Ade Ade
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
0% menganggap dokumen ini bermanfaat (1 suara)
106 tayangan4 halaman

Data Science in Finance Dimension Reduction

Diunggah oleh

Ade Ade
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 4

2/7/2021 DQLab | R practice Chapter List

(main/module)
Learn 
 DQ LAB (main/module) / Course List (main/module) / Chapter List

All (main/module)
Modules Data Science in Finance:
Career Track NEW Dimension Reduction
Ebook (ebook/index) 0% 0%

Practice 

 Events(event)
Module Contents:
Job (jobconnector)
1

My Profile (main/profile)
Pendahuluan
My Certificate Pada bagian ini kita akan mempelajari algoritma decision
tree C5.0 untuk dapat memprediksi credit scoring/ rating
(main/rachievement)
suatu nasabah. Kita akan mengklasifikasikan credit
scoring/ rating secara akurat dengan menggunakan
Subscribe 95% (subscribe) teknik statistika Principal Component Analysis.Pada
OFF bagian ini kita akan mempelajari algoritma decision tree
C5.0 untuk dapat memprediksi credit scoring/ rating
Redeem Voucher(voucher) suatu nasabah. Kita akan mengklasifikasikan credit
scoring/ rating secara akurat dengan menggunakan
teknik statistika Principal Component Analysis.
About (main/learn_more)
DQLab Daftar Chapter:  0/40

 | Credit Scoring +5


(main/livecode/89/172/825)

 | Kuis (main/livecode/89/172/826) +  5 

 | Kuis (main/livecode/89/172/827) +  5 

 | Kuis (main/livecode/89/172/828) +  5 

 | Overview Principal Component Analysis


(main/livecode/89/172/829) +5

 | Kuis (main/livecode/89/172/830) +  5 

 | Kuis (main/livecode/89/172/831) +  5 

 | Kuis (main/livecode/89/172/832) +  5 
https://academy.dqlab.id/main/package/practice/89?pf=0 1/4
2/7/2021 DQLab | R practice Chapter List
 | Kuis (main/livecode/89/172/832) +  5 

(main/module) 0%

Learn 
LEARN AND PRACTICE! (MAIN/LIVECODE/89/172/825)

All (main/module)
Modules

2
Career Track NEW

Ebook (ebook/index)
Reduksi Dimensi
Practice 
Pada bagian ini kita akan mempelajari teknik Principal
Component Analysis untuk dapat melakukan standarisasi
 Events(event) variabel. Kita bisa mendapatkan variable baru dengan
menggunakan vektor eigen.

Job (jobconnector) Daftar Chapter:  0/75

0%

My Profile (main/profile)
LEARN AND PRACTICE! (MAIN/LIVECODE/89/173/833)
My Certificate
(main/rachievement)

3
Subscribe 95% (subscribe)
OFF

Redeem Voucher(voucher) Studi Kasus: 4 Variabel


Pada bagian ini kita akan menggunakan data credit rating
About (main/learn_more) untuk berlatih menggunakan metode PCA. Kita akan
DQLab mereduksi data set dengan 4 variabel numerik prediktor
menjadi 2 Principal Component.

Daftar Chapter:  0/35

0%

LEARN AND PRACTICE! (MAIN/LIVECODE/89/174/846)

https://academy.dqlab.id/main/package/practice/89?pf=0
Studi Kasus: 8 Variabel 2/4
2/7/2021 DQLab | R practice Chapter List
Studi Kasus: 8 Variabel

Pada bagian ini kita akan menggunakan data credit rating


(main/module) untuk berlatih menggunakan metode PCA. Kita akan
mereduksi data set dengan 8 variabel numerik prediktor
Learn  menjadi 2 Principal Component.

(main/module)
Daftar Chapter:  0/40
All
Modules

0%
Career Track NEW

Ebook (ebook/index) LEARN AND PRACTICE! (MAIN/LIVECODE/89/175/853)

Practice 

5
 Events(event)

Job (jobconnector)
Teori Penunjang (Aljabar Linier)
Pada bagian ini, kita akan mempelajari nilai Eigen dan
vektor Eigen untuk dapat membuat PCA.

My Profile (main/profile) Daftar Chapter:  0/25

My Certificate
(main/rachievement) 0%

Subscribe 95% (subscribe) LEARN AND PRACTICE! (MAIN/LIVECODE/89/179/870)


OFF

Redeem Voucher(voucher)
6
About (main/learn_more)
DQLab
Kesimpulan
Pada bagian ini kita akan mengetahui keterbatasan dari
PCA dan alternatif lain yang dapat digunakan untuk
mereduksi dimensi.

Daftar Chapter:  0/10

0%

LEARN AND PRACTICE! (MAIN/LIVECODE/89/180/863)

https://academy.dqlab.id/main/package/practice/89?pf=0 3/4
2/7/2021 DQLab | R practice Chapter List

About This Course:


(main/module)
Pelajari metode Principal Component Analysis untuk mereduksi
Learn  dimensi (feature extraction) dalam data berdimensi tinggi. Dalam
modul ini PCA diterapkan untuk data credit rating.

All (main/module)
Modules
 Chapters 6

Career Track NEW  Sub-chapters 45

Ebook (ebook/index)
Data Mentor
Practice 
Xeratic
 Events(event)

Job (jobconnector)

©2018-2021 Xeratic (http://www.PHI-Integration.com/)

My Profile (main/profile)

My Certificate
(main/rachievement)

Subscribe 95% (subscribe)


OFF

Redeem Voucher(voucher)

About (main/learn_more)
DQLab

https://academy.dqlab.id/main/package/practice/89?pf=0 4/4

Anda mungkin juga menyukai