لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات