Predictive Modeling Using Logistic Regression

本課程的範圍主要著重於使用SAS/STAT 中的LOGISTIC 程序建置預測模型。本課程亦將探討如何使用有效率的技巧處理大量資料，選擇變數、評估模型、處理遺失值的問題。

Who should attend

Formats available	Duration
Classroom:	2 days
Live Web Classroom:	4 half-day session(s)

學習本課程之前，建議應具備

• 完成SAS Programming 1: Essentials 課程，或
• 具備實際SAS 程式撰寫經驗2. 完成線性迴歸及邏輯斯迴歸的統計課程，像是Statistics 1: Introduction to ANOVA,Regression, and Logistic Regression 課程。

This course addresses SAS/STAT software.

• 商業應用案例介紹
• 分析時將面臨的挑戰

• 邏輯斯迴歸的參數估計
• 過度抽樣的調整

• 遺失值的問題與處理方式
• 類別型的輸入變數
• 變數的群集化
• 運用相關性進行變數篩選
• 選擇變數

• 接收者操作特徵曲線(ROC curve)及增益圖(Lift chart)
• 決定最佳切點)
• K-S 統計量(Kolmogorov-Smirnov Statistics))
• c 統計量(Concordance-statistics))
• 計算不同模型的收益(Profit))
• 同時建置許多模型