Ferme la recherche

Méthodes PLS

Descriptif

Session

du 15 oct. 2021 au 16 oct. 2021  - Lyon - 2ème (69)
du 15 oct. 2021 au 16 oct. 2021  - Lyon - 2ème (69)
Pour connaître les dates des prochaines sessions, veuillez contacter l'organisme de formation

Objectif de la formation

Extraire l'information utile et pertinente d'un ensemble de données pour lesquels les méthodes classiques sont inopérantes du fait d'un déséquilibre du fichier (plus de colonnes que de lignes, nombre important de données manquantes, redondance significative entre les variables exogènes).
Le but est l'exploration (évaluation de la structure de corrélation, présence de groupes, d'individus atypiques,...) et la modélisation (pouvoir prédire et anticiper le comportement d'un processus industriel ou transactionnel).

Description de la formation

- Méthode NIPALS (Non Iterative Partial Least Square)
- Présentation de la méthode NIPALS
- Particularités de cette méthode pour l'analyse des données
- Utilisation pour les différents outils de l'analyse des données selon les objectifs poursuivis
- Exploration
- Modélisation
- Prédiction
- L'analyse en Composantes principales (A.C.P.)
- Particularités de l'ACP mise en oeuvre avec l'algorithme NIPALS
- Représentation géométrique
- Approche algébrique
- Mise en oeuvre
- Analyse
- Utilisation des aides à l'interprétation
- Exemples d'utilisation traités
- La régression PLS
- Principes de la régression PLS avec l'algorithme NIPALS
- Avantages par rapport aux méthodes de régression classiques (gestion de la multicolinéarité, des valeurs manquantes, tableaux déséquilibrés avec plus de colonnes que de lignes,...)
- Régression PLS1
- Présentation de la PLS1
- Construction d'un modèle PLS1
- Les méthodes de validation internes ou croisées pour le choix du nombre de composantes
- Validation externe
- Les prévisions
- Présentation et utilisation des aides à l'interprétation
- Application sur divers exemples traités
- Régression PLS2
- Présentation de la PLS2
- Particularités de la PLS2
- Conditions d'utilisation
- Construction d'un modèle PLS2
- Les méthodes de validation internes ou croisées pour le choix du nombre de composantes
- Validation externe
- Les prévisions
- Présentation et utilisation des aides à l'interprétation
- Application sur divers exemples traités
- L'analyse Discriminante
- Types de données et objectifs poursuivis
- Exploration et identification de groupes
- Affectation de nouveaux individus : prédiction
- Méthode SIMCA (Soft Independent Modeling of Class Analogy)
- Utilisation de l'ACP NIPALS pour l'identification de groupes
- Règles de discrimination : le Cooman's plot
- Mode d'affectation de nouveaux individus ou groupe d'individus
- Exploration et identification de groupes
- Application sur divers exemples
- La régression PLSDA (Discriminant Analysis)
- Présentation et particularités de la PLSDA
- Conditions d'utilisation
- Construction d'un modèle PLSDA
- Les méthodes de validation internes ou croisées pour le choix du nombre de composantes
- Validation externe
- Les prévisions
- Présentation et utilisation des aides à l'interprétation
- Application sur divers exemples traités
- Applications
- Analyses de spectres
- Contrôle de procédés par lot

Validation

Attestation de formation

Donne accès au(x) métier(s) suivant(s)

Etudes et prospectives socio-economiques (voir la fiche métier)

Et après la formation ?

NON DÉTERMINÉ

Conseils
Les questions à poser avant de choisir un centre de formation
  • Quels sont les profils des anciens stagiaires (niveau de formation, expérience professionnelle) ?
  • Est-il possible de visiter le centre ?
  • Quel type de public accueillez-vous en formation (salariés, demandeurs d’emploi, particuliers) ?
  • Peut-on obtenir une liste de ces anciens stagiaires pour les interroger sur cette formation ?
  • Comment aidez-vous les stagiaires à trouver un emploi ?

Data Value

Lieu de formation

33 rue de la République
Lyon - 2ème

Calculez votre itinéraire

Centre de formation

41 Rue de la Découverte
31670, Labège

Toutes les formations et avis pour Data Value