آموزش نقشه‌های پیش‌بینی و اعتبارسنجی با استفاده از رگرسیون لجستیک و ROC

Prediction Maps & Validation using Logistic Regression & ROC

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: روش جامع (گام به گام) از پیش بینی تا اعتبارسنجی ROC نقشه ها با استفاده از رگرسیون لجستیک در GIS و R درک جامع علوم نقشه برداری پیش بینی و ابزار در اعتبار سنجی GIS با استفاده از AUC از ROC نتایج استفاده از رگرسیون لجستیک چند متغیره برای نقشه پیش بینی R- کد اسکریپت پشتیبانی مستمر من را فراهم می کند، دست شما را قدم به قدم برای توسعه نقشه های پیش بینی با کیفیت بالا با استفاده از داده های واقعی پیش می برد.

در این دوره، فرآیند کامل (A تا Z) را بر اساس مقالات منتشر شده خود در مورد نحوه ارزیابی و مقایسه نتایج به کارگیری روش رگرسیون لجستیک چند متغیره در نقشه‌برداری پیش‌بینی خطر با استفاده از محیط GIS و R به اشتراک گذاشته‌ام. br>

از دهه گذشته، سیستم اطلاعات جغرافیایی (GIS) توسعه روش‌های جدید یادگیری ماشین، مبتنی بر داده و روش‌های تجربی را تسهیل کرده است که خطاهای تعمیم را کاهش می‌دهد. علاوه بر این، ابعاد جدیدی برای حوزه تحقیقاتی یکپارچه می‌دهد.

متمرکز بمانید: رگرسیون لجستیک (طبقه بندی باینری، اینکه آیا عامل وابسته (Y) در یک مکان خاص رخ می دهد یا خیر) برای برازش منحنی رگرسیون استفاده می شود، و این یک مورد خاص از رگرسیون خطی است زمانی که متغیر خروجی مقوله ای باشد. ، جایی که ما از یک گزارش شانس به عنوان متغیر وابسته استفاده می کنیم.

چرا رگرسیون لجستیک خاص است؟ ترکیبی خطی از ویژگی ها را می گیرد و یک تابع غیرخطی (سیگموئید) را به آن اعمال می کند، بنابراین یک نمونه کوچک از شبکه عصبی است!

در دوره فعلی، من از داده های تجربی استفاده کردم که شامل : عامل مستقل Y (مکان داده های آموزش زمین لغزش) 75 مشاهده. عوامل وابسته X (ارتفاع، شیب، NDVI، انحنا، و پوشش زمین)

همبستگی فضایی بین عوامل پیش بینی و عامل وابسته همچنین نحوه یافتن همبستگی خودکار بین عوامل پیش بینی، با در نظر گرفتن اهمیت یا سهم پیش بینی آنها. در نهایت، من نقشه حساسیت را با استفاده از; R Studio و فقط ESRI ArcGIS. اعتبار پیش‌بینی مدل با رایج‌ترین روش آماری مساحت زیر (AUC) منحنی ROC اندازه‌گیری می‌شود.

در پایان این دوره، شما قادر خواهید بود با استفاده از قابلیت تحلیل رگرسیون لجستیک پیشرفته، هر نوع داده مرتبط با تحقیقات خطرات علوم طبیعی را پردازش، پیش‌بینی و اعتبارسنجی کنید.

کلمات کلیدی: استودیوی R، GIS، رگرسیون لجستیک، نقشه برداری، پیش بینی


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر رگرسیون لجستیک Introduction to Logistic Regression

داده های آموزشی دوتایی دوتایی (1،0) را در ArcGIS آماده کنید Prepare dichotomous binary (1,0) training data in ArcGIS

  • داده های آموزشی باینری دوگانه (1,0) ایجاد کنید Create dichotomous binary (1,0) training data

  • داده های آموزشی دوتایی دوتایی (0،1) را ادغام کنید 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 استودیو R Working environment setting in R studio

  • چندین بسته مورد نیاز را نصب کنید Install multiple required packages

  • عوامل شطرنجی را از ArcGIS به استودیوی R صادر کنید Export raster factors from ArcGIS into R studio

تجسم و آماده سازی داده ها در استودیو R Data Visualization and preparation in R studio

  • عوامل رستر بار و نمودار در R Load and Plot raster factors in R

  • اطلاعات بیشتر در مورد تجسم شطرنجی و صادرات در R More about raster visualization and export in R

  • طبقه بندی عوامل شطرنجی در R Classify Raster Factors In R

  • شکست های شطرنجی و نوارهای رنگی در R Raster breaks and color bars in R

  • یک منطقه شطرنجی خاص را در R برش دهید Crop a Specific Raster Area In R

تبدیل داده ها و نمونه برداری مجدد 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 طبقه بندی برای مدل LR Categorical Independent Factors for LR Model

  • تهیه فاکتور مستقل مقوله ای برای مدل LR Preparation of Categorical Independent Factor for LR Model

  • نمونه گیری مجدد داده ها در R Data Resampling in R

رگرسیون لجستیک چند متغیره را در R اجرا کنید Run multivariate Logistic Regression in R

  • انباشتن رسترهای وابسته و مستقل در R Stacking Dependent and Independent Rasters in R

  • بدون داده (NA) را حذف کنید و جدول چارچوب داده را تولید کنید Remove No Data (NA) and Produce Data Frame Table

  • تابع رگرسیون لجستیک را اجرا کنید Run Logistic Regression Function

  • تست های ANOVA و McFadden R مربع را اجرا کنید Run ANOVA and McFadden R squared Tests

  • ماتریس سردرگمی نتایج پیش‌بینی 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

  • ترسیم نمودار یک منحنی احتمال S-شکل با پیش بینی کننده های متعدد Graphing a Probability Curve S-Shape with Multiple Predictors

  • تمرین شماره 1 Exercise No. 1

  • نقشه شاخص پیش بینی را با استفاده از ضرایب LR در R Studio تهیه کنید Produce Prediction Index Map Using LR coefficients in R Studio

  • تهیه 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 ROC
جزییات دوره
2 hours
25
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
717
4 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