Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
توضیحات دوره:
درک مولفه های کلیدی رگرسیون لجستیک و توسعه یک مدل رگرسیون لجستیک با استفاده از SAS توسعه یک مدل رگرسیون لجستیک با استفاده از SAS اطلاعات دقیق در مورد تجزیه و تحلیل رگرسیون توضیح رگرسیون لجستیک و مزایای آن درک در مورد مؤلفه های کلیدی رگرسیون لجستیک آشنایی با روش های مختلف یافتن احتمالات یاد بگیرید چگونه نتایج مدلسازی را تفسیر کنید و آن را به دیگران ارائه دهید. بدانید چگونه خروجی تحلیل رگرسیون لجستیک تولید شده توسط SAS را تفسیر کنید. برای گذراندن این دوره هیچ مهارت اولیه لازم نیست.
رگرسیون لجستیک به عنوان رگرسیون لاجیت یا مدل لاجیت نیز شناخته می شود. این برای یافتن احتمال موفقیت رویداد و شکست رویداد استفاده می شود. رگرسیون لجستیک رابطه بین متغیر وابسته طبقهای و یک یا چند متغیر مستقل را با استفاده از یک تابع لجستیک تعیین میکند.
رگرسیون لجستیک برای پیشبینی احتمال وقوع یک رویداد با برازش دادهها به منحنی لجستیک استفاده میشود. از طرف دیگر، حداقل مربعات معمولی یک مسئله محاسباتی مهم است که در کاربردهایی که نیاز به استفاده از یک مدل ریاضی خطی برای اندازهگیریهایی که از آزمایشها به دست میآیند، استفاده میشود. OLS اشکال مختلفی مانند همبستگی، رگرسیون چندگانه، ANOVA و موارد دیگر را دارد. رگرسیون لجستیک بیشترین استفاده را در زمینه علوم پزشکی دارد در حالی که OLS بیشتر در علوم اجتماعی استفاده می شود.
در این فصل ما مقایسه رگرسیون لجستیک با OLS را خواهیم دید. دو روش برای مقایسه نتایج هر دو مورد استفاده قرار می گیرد - مطالعه ترک تحصیل و دبیرستان و فراتر از مطالعه. انواع مختلفی از مدلهای لجستیک وجود دارد، اما این فصل به سه نوع اصلی مدلهای رگرسیون لجستیک - مدلهای باینری، ترتیبی و اسمی میپردازد.
رگرسیون لجستیک باینری جایی است که یک متغیر پاسخ باینری به مجموعهای از متغیرهای توضیحی که گسسته یا پیوسته هستند مرتبط است.
رگرسیون لجستیک چند جمله ای توضیح می دهد که چگونه یک پاسخ چند جمله ای به مجموعه ای از متغیرهای توضیحی بستگی دارد. پاسخ چندتومی می تواند یا ترتیبی یا اسمی باشد. مدلهای کمی وجود دارند که برای پاسخهای ترتیبی مناسب باشند مانند مدل لاجیت تجمعی، مدل دستههای مجاور و مدل نسبتهای ادامه. مدل های دیگر را می توان برای هر دو پاسخ ترتیبی یا اسمی استفاده کرد.
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
تجزیه و تحلیل رگرسیون
Regression Analysis
رگرسیون قسمت 1 چیست
What is Regression Part 1
رگرسیون قسمت 2 چیست
What is Regression Part 2
رگرسیون قسمت 3 چیست
What is Regression Part 3
پیش بینی احتمالات
Predicting Probabilities
روش های مختلف پیش بینی احتمالات قسمت 1
Different Methods of Predicting Probabilities Part 1
روش های مختلف پیش بینی احتمالات قسمت 2
Different Methods of Predicting Probabilities Part 2
رگرسیون لجستیک
Logistics Regression
رگرسیون لجستیک چیست؟
What is Logistic Regression
چرا رگرسیون لجستیک و نه OLS؟
Why Logistic Regression and Not OLS
مدل سازی مفاهیم کلیدی
Modeling Key Concepts
مفاهیم کلیدی رگرسیون لجستیک قسمت 1
Logistic Regression Key Concepts Part 1
مفاهیم کلیدی رگرسیون لجستیک قسمت 2
Logistic Regression Key Concepts Part 2
رویکرد Binning و سایر رویکردها
Binning Approach and Other Approaches
مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.
نمایش نظرات