آموزش رگرسیون لجستیک با SAS: ساخت و ارزیابی مدل‌ها - آخرین آپدیت

دانلود Logistic Regression with SAS: Build & Evaluate Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با گذراندن این دوره، فراگیران قادر خواهند بود مدل‌های رگرسیون لجستیک را در نرم‌افزار SAS پیاده‌سازی کنند، مجموعه‌داده‌ها را از طریق جایگذاری مقادیر گم‌شده (Imputation) و کدگذاری متغیرهای دسته‌ای آماده سازند، پیش‌بین‌ها را با استفاده از خوشه‌بندی و غربالگری تحلیل کنند و مدل‌ها را با ماتریس اغتشاش و نمودارهای لوجیت ارزیابی نمایند. این دوره که برای دانشمندان داده، تحلیلگران و متخصصان کسب‌وکار طراحی شده است، دقت آماری را با نمایش‌های عملی در SAS ترکیب می‌کند. زبان‌آموزان با کسب دانش فنی و مهارت‌های کاربردی برای حل مسائل واقعی طبقه‌بندی، مانند پیش‌بینی رفتار مشتری، ارزیابی ریسک یا شناسایی تقلب، بهره‌مند خواهند شد. برخلاف آموزش‌های آماری عمومی، این دوره به‌طور منحصر‌به‌فردی بر مهندسی ویژگی‌ها، انتخاب زیرمجموعه و پیاده‌سازی خاص SAS تأکید دارد تا اطمینان حاصل شود که مدل‌ها نه تنها دقیق، بلکه تفسیرپذیر و آماده برای کاربردهای تجاری هستند. از طریق ماژول‌های ساختاریافته، فراگیران از مفاهیم بنیادی به سمت ارزیابی‌های پیشرفته حرکت می‌کنند و اطمینان می‌یابند که می‌توانند با اعتمادبه‌نفس مدل‌های رگرسیون لجستیک را بسازند، بهینه کنند و اعتبارسنجی نمایند. در پایان، شرکت‌کنندگان بر گردش کار جامع رگرسیون لجستیک در SAS مسلط شده و جایگاه خود را برای موفقیت در نقش‌های داده‌محور در صنایع مختلف تثبیت می‌کنند.

سرفصل ها و درس ها

مبانی رگرسیون لجستیک و آماده‌سازی داده‌ها Logistic Regression Foundations and Data Setup

  • مقدمه‌ای بر پروژه رگرسیون لجستیک با استفاده از SAS Stat Introduction to Logistic Regression Project using SAS Stat

  • توضیح و بررسی مجموعه‌داده‌های بیمه Insurance Dataset Explanation and Exploration

  • نمایش عملی رگرسیون لجستیک بخش اول Logistic Regression Demonstration Part 1

  • نمایش عملی رگرسیون لجستیک بخش دوم Logistic Regression Demonstration Part 2

  • جایگذاری مقادیر گم‌شده Missing Values Imputation

  • ورودی‌های دسته‌ای Categorical Inputs

  • ادامه بحث ورودی‌های دسته‌ای Categorical Inputs Continue

مهندسی ویژگی‌ها و انتخاب پیش‌بین‌ها Feature Engineering and Predictor Selection

  • خوشه‌بندی متغیرها بخش اول Variable Clustering Part 1

  • خوشه‌بندی متغیرها بخش دوم Variable Clustering Part 2

  • خوشه‌بندی متغیرها بخش سوم Variable Clustering Part 3

  • غربالگری متغیرها Variable Screening

  • ادامه غربالگری متغیرها Variable Screening Continue

  • بررسی روابط غیرخطی در انتخاب زیرمجموعه Exploring Nonlinear Relationships in Subset Selection

  • تبدیل داده‌ها برای انتخاب زیرمجموعه خطی Data Transformation for Linear Subset Selection

  • قاب‌بندی مسئله و نمودارهای منطقی در انتخاب زیرمجموعه Problem Framing and Logic Plots in Subset Selection

ساخت مدل و ارزیابی عملکرد Model Building and Performance Evaluation

  • انتخاب زیرمجموعه گام‌به‌گام: غربالگری اولیه متغیرها Stepwise Subset Selection: Initial Screening of Variables

  • مقایسه مدل‌های فقط عرض از مبدأ در مقابل مدل‌های کوواریات در انتخاب زیرمجموعه Intercept-Only vs. Covariate Models in Subset Selection

  • روش حذف رو به عقب برای انتخاب زیرمجموعه Backward Elimination Method for Subset Selection

  • پیاده‌سازی PROC و خروجی ODS در انتخاب زیرمجموعه PROC Implementation and ODS Output in Subset Selection

  • ارزیابی مدل‌های زیرمجموعه با نرخ طبقه‌بندی نادرست و ماتریس اغتشاش Evaluating Subset Models with Misclassification and Confusion Matrix

  • نمودارهای لوجیت Logit Plots

نمایش نظرات

آموزش رگرسیون لجستیک با SAS: ساخت و ارزیابی مدل‌ها
جزییات دوره
8h 38m
21
(آخرین آپدیت)
43
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده