🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش نقشههای پیشبینی و اعتبارسنجی با استفاده از رگرسیون لجستیک و منحنی ROC
- آخرین آپدیت
دانلود Prediction Maps & Validation using Logistic Regression & ROC
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش جامع و گام به گام: از پیشبینی تا اعتبارسنجی ROC نقشهها با رگرسیون لجستیک در GIS و R
درک جامع علم و ابزارهای نقشهبرداری پیشبینی در GIS
اعتبارسنجی با AUC نتایج ROC در اعمال رگرسیون لجستیک چندمتغیره برای نقشههای پیشبینی
ارائه اسکریپت کد R
پشتیبانی مستمر من، دست در دست شما برای توسعه نقشههای پیشبینی با کیفیت بالا با استفاده از دادههای واقعی
پیشنیازها:
بدون نیاز به پیشزمینه آماری
آشنایی با نرمافزارهای ArcGIS و R
علاقه به نقشههای پیشبینی GIS با استفاده از دادههای واقعی
در این دوره، فرآیند کامل (از A تا Z) بر اساس مقالات منتشر شده من را به اشتراک گذاشتهام، در مورد چگونگی ارزیابی و مقایسه نتایج اجرای روش رگرسیون لجستیک چندمتغیره در نقشهبرداری پیشبینی مخاطرات با استفاده از محیط GIS و R.
از دهه گذشته، سیستم اطلاعات جغرافیایی (GIS) توسعه روشهای جدید یادگیری ماشین، دادهمحور و تجربی را تسهیل کرده است که خطاهای تعمیم را کاهش میدهند. علاوه بر این، ابعاد جدیدی را برای حوزه تحقیقات یکپارچه فراهم میکند.
تمرکز داشته باشید: رگرسیون لجستیک (طبقهبندی دوتایی، اینکه آیا عامل وابسته (Y) در مکانهای خاص رخ میدهد یا خیر) برای برازش منحنی رگرسیون استفاده میشود و در مواردی که متغیر خروجی دستهبندی شده است، مورد خاصی از رگرسیون خطی است، جایی که ما از لگاریتم شانس به عنوان متغیر وابسته استفاده میکنیم.
چرا رگرسیون لجستیک خاص است؟ این ترکیب خطی از ویژگیها را میگیرد و یک تابع غیرخطی (سیگموئید) را به آن اعمال میکند، بنابراین یک نمونه کوچک از شبکه عصبی است!
در دوره فعلی، من از دادههای آزمایشی استفاده کردهام که شامل: عامل مستقل Y (مکانهای دادههای آموزشی رانش زمین) 75 مشاهده؛ عوامل وابسته X (ارتفاع، شیب، NDVI، انحنا و پوشش زمین).
همبستگی فضایی بین عوامل پیشبینی و عامل وابسته را توضیح خواهم داد. همچنین، چگونگی یافتن خودهمبستگی بین عوامل پیشبینی، با در نظر گرفتن اهمیت یا سهم پیشبینی آنها. در نهایت، نقشه قابلیت را با استفاده از استودیو R و ESRI ArcGIS تولید خواهم کرد. اعتبار سنجی پیشبینی مدل با رایجترین روش آماری Area under (AUC) the ROC curve اندازهگیری خواهد شد.
در پایان این دوره، شما قادر خواهید بود هر نوع داده مرتبط با تحقیقات مخاطرات علوم طبیعی را با استفاده از قابلیت پیشرفته تحلیل رگرسیون لجستیک، پردازش، پیشبینی و اعتبارسنجی کنید.
کلمات کلیدی: R Studio، GIS، رگرسیون لجستیک، نقشهبرداری، پیشبینی
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه ای بر رگرسیون لجستیک
Introduction to Logistic Regression
آماده سازی داده های آموزشی دودویی (۱،۰) در ArcGIS
Prepare dichotomous binary (1,0) training data in ArcGIS
ایجاد داده های آموزشی دودویی (۱،۰)
Create dichotomous binary (1,0) training data
ادغام داده های آموزشی دودویی (۰،۱)
Merge binary dichotomous (0,1) training data
آماده سازی تنظیمات و بسته ها در R Studio
Settings and Packages preparation in R Studio
تنظیم محیط کار در R studio
Working environment setting in R studio
نصب چندین بسته مورد نیاز
Install multiple required packages
خروجی گرفتن عوامل رستری از ArcGIS به R studio
Export raster factors from ArcGIS into R studio
تجسم و آماده سازی داده ها در R studio
Data Visualization and preparation in R studio
بارگذاری و رسم عوامل رستری در R
Load and Plot raster factors in R
اطلاعات بیشتر درباره تجسم و خروجی گرفتن رستری در R
More about raster visualization and export in R
دسته بندی عوامل رستری در R
Classify Raster Factors In R
شکست های رستری و نوارهای رنگی در R
Raster breaks and color bars in R
برش یک ناحیه رستری خاص در R
Crop a Specific Raster Area In R
تبدیل و نمونه برداری مجدد داده ها در R Studio
Data conversion and resampling in R Studio
تبدیل عوامل وابسته و مستقل برای مدل LR در R
Conversion of Dependent and Independent Factors for LR Model in R
عوامل مستقل دسته بندی شده برای مدل LR
Categorical Independent Factors for LR Model
آماده سازی عامل مستقل دسته بندی شده برای مدل LR
Preparation of Categorical Independent Factor for LR Model
نمونه برداری مجدد داده ها در R
Data Resampling in R
اجرای رگرسیون لجستیک چند متغیره در R
Run multivariate Logistic Regression in R
انباشت رسترهای وابسته و مستقل در R
Stacking Dependent and Independent Rasters in R
حذف No Data (NA) و تولید جدول Data Frame
Remove No Data (NA) and Produce Data Frame Table
اجرای تابع رگرسیون لجستیک
Run Logistic Regression Function
اجرای آزمون های ANOVA و McFadden R squared
Run ANOVA and McFadden R squared Tests
ماتریس سردرگمی نتایج پیش بینی در R
Confusion Matrix of Prediction Results in R
ROC و اعتبارسنجی مدل
ROC and Model Validation
محاسبه و رسم AUC منحنی ROC برای ارزیابی اعتبار
Calculate and Plot AUC of ROC Curve for Validation Assessment
رسم منحنی احتمال S شکل با پیش بینی کننده های چندگانه
Graphing a Probability Curve S-Shape with Multiple Predictors
تمرین شماره ۱
Exercise No. 1
تولید نقشه شاخص پیش بینی با استفاده از ضرایب LR در R Studio
Produce Prediction Index Map Using LR coefficients in R Studio
تولید نقشه شاخص پیش بینی با استفاده از ضرایب LR در ArcGIS
Produce Prediction Index Map Using LR coefficients in ArcGIS
نمایش نظرات