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

آموزش نقشه‌های پیش‌بینی و اعتبارسنجی با استفاده از رگرسیون لجستیک و منحنی ROC
جزییات دوره
2 hours
25
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
814
4.3 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Omar AlThuwaynee Dr Omar AlThuwaynee

دکتری. مهندسی عمران و ژئوماتیک