لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش رگرسیون لجستیک باینری با Minitab
Binary Logistic Regression with Minitab
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
انجام و تجزیه و تحلیل نتایج تحلیل رگرسیون لجستیک باینری با استفاده از Minitab 19 تسلط بر رگرسیون لجستیک باینری انجام و تفسیر نتایج تحلیل رگرسیون لجستیک با استفاده از Minitab پیش نیازها: شما باید درک خوبی از تحلیل رگرسیون خطی و چندگانه داشته باشید. با Minitab: A Deep Dive قبل از شروع این دوره. می توانید نسخه آزمایشی 30 روزه Minitab را برای تمرین از وب سایت آنها دانلود کنید
در این دوره، یکی از متداولترین تکنیکهای طبقهبندی در علم داده، یادگیری ماشین و آمار را به شما آموزش میدهم: رگرسیون لجستیک باینری.
یک رگرسیون لجستیک دوجمله ای برای پیش بینی خروجی باینری (بله/خیر، درست/نادرست، بیمار/سالم) بر اساس یک یا چند متغیر مستقل پیوسته استفاده می شود. اغلب از آن به عنوان رگرسیون لجستیک یاد می شود. اما در Minitab به آن رگرسیون لجستیک باینری می گویند.
من از Minitab 19 برای انجام تجزیه و تحلیل استفاده خواهم کرد. تمرکز تدریس من بر توضیح مفاهیم نظری و تحلیل و تفسیر نتایج تحلیل خواهد بود.
انجام رگرسیون لجستیک باینری در Minitab آسان است. این فقط چند انتخاب و کلیک است و کار شما تمام شده است. با این حال، بخش دشوار، درک و تفسیر نتایج است.
مفاهیم زیر در این دوره پوشش داده شده است:
هدف رگرسیون لجستیک باینری
مفهوم Odds و ln(Odds)
معادله رگرسیون لجستیک
نسبت شانس
ماتریس سردرگمی
منحنی مشخصه عملیاتی گیرنده (ROC)
R-Squared در زمینه رگرسیون لجستیک
تست خوب تناسب هوسمر-لمشو
کار پروژه را برای تمرین تمام مفاهیم بالا انجام دهید
در کار پروژه، بازاریابان در یک شرکت غلات، اثربخشی یک کمپین تبلیغاتی برای یک غلات جدید را بررسی میکنند. سه عامل در نظر گرفته شده در این پروژه عبارتند از درآمد، اینکه آیا شخص آگهی را دیده است یا خیر و آیا فرد در خانه بچه دارد.
در اینجا ما رگرسیون لجستیک باینری انجام دادیم تا مشخص کنیم افرادی که آگهی را دیدهاند احتمال بیشتری برای خرید غلات دارند یا خیر.
پس از اتمام این دوره، به راحتی می توانید رگرسیون لجستیک را انجام دهید، مدل را انتخاب کنید.
سرفصل ها و درس ها
مقدمه ای بر رگرسیون لجستیک
Introduction to Logistic Regression
مقدمه - رگرسیون خطی
Introduction - Linear Regression
مدیر باتجربه کیفیت • مربی شش سیگما • مشاور PMI-PMP ، حسابرس اصلی ثبت شده IRCA ، ASQ - CSSBB ، CQA ، CQE ، CMQ/OE ، IIA - CIA Sandeep Kumar بیش از 35 سال تجربه مدیریت کیفیت دارد. وی به عنوان مدیر کیفیت/مدیر در تعدادی از پروژه ها از جمله پروژه های برق ، نفت و گاز و زیرساخت کار کرده است. علاوه بر این ، او خدمات مشاوره ای را برای پیاده سازی Lean Six Sigma برای بهبود عملکرد ارائه می دهد. زمینه های تخصصی وی شامل تضمین کیفیت ، ISO 9001: 2015 ، ناب ، شش سیگما ، مدیریت ریسک ، ممیزی QMS ، نظارت بر کیفیت تأمین کننده ، پیش صلاحیت تأمین کننده ، کیفیت ساخت ، بازرسی مکانیکی و آموزش کیفیت است. صلاحیت های حرفه ای: مدارک/گواهینامه های حرفه ای وی شامل موارد زیر است: • ASQ-CSSBB ، کمربند مجاز شش سیگما • ASQ-CMQ/OE مدیر مجاز/تعالی سازمانی • متخصص مدیریت پروژه دارای مجوز PMI-PMP
نمایش نظرات