|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/logistic-regression-workshop-using-r-step-by-step-modeling/
课程评论：没有评论
Coursera 课程摘要：使用 R 进行逻辑回归（预测建模）工作坊 本课程是一门关于使用 R 进行逻辑回归的实践性工作坊。课程侧重于 R 命令的执行，而非深入的理论讲解，旨在提供一个循序渐进的操作指南。 **课程内容包括：** * **数据导入和数据完整性检查：** 学习如何导入数据以及进行基本的数据质量检查。 * **开发集和验证集准备：** 掌握如何将数据集划分为用于模型开发和模型验证的两部分。 * **重要类别变量选择：** 学习如何识别和选择对模型预测有重要影响的分类变量。 * **重要数值变量选择：** 学习如何识别和选择对模型预测有重要影响的数值变量。 * **指标变量创建：** 学习如何根据需要创建新的指标（虚拟）变量。 * **逐步回归：** 学习使用逐步回归方法优化模型变量选择。 * **处理多重共线性：** 掌握解决模型中变量之间多重共线性问题的技术。 * **生成逻辑回归得分和概率：** 学习如何在数据集上生成逻辑回归的预测得分和概率。 * **动手进行 KS 计算：** 实际操作进行 KS（Kolmogorov-Smirnov）统计量的计算。 * **系数稳定性检查：** 评估模型系数的稳定性。 * **迭代优化最终模型：** 通过迭代过程对模型进行优化，直至达到最终模型。 课程提供详细的步骤执行说明、演示用的数据文件（Excel 格式，包含各步骤的输出结果），帮助学员动手实践，掌握逻辑回归建模的全流程。
This course is a workshop on logistic regression using R. The course Doesn't have much of theory - it is more of execution of R command for the purposeProvides step by step process detailsStep by step executionData files for the modelingExcel file containing output of these steps The content of the course is as follows Data Import and Data Sanity CheckDevelopment n Validation dataset preparartion Important Categorical Variable selection Important Numeric Variable Selection Indicator Variable Creation Stepwise Regression Dealing with multicollinearityLogistic Regression Score n Probability generation in the data setHands on KS CalculationCoefficient stability checkIterate for final model
