.png)
Eğitimin amacı, katılımcılara lojistik regresyonun temel prensiplerini ve bu teknikle etkili öngörücü modeller oluşturmayı öğretmektir. Katılımcılar, veri setlerini analiz etmek, model kurmak ve sonuçları değerlendirmek için lojistik regresyon yöntemlerini kullanacaklardır.
Eğitim İçeriği
Lojistik Regresyona Giriş
Lojistik regresyonun tanımı ve kullanım alanları.
İkili (binary) lojistik regresyonun temel prensipleri.
Odds oranları, logit fonksiyonu ve lojistik regresyon katsayılarının yorumlanması.
Veri Hazırlama ve Ön İşleme
Veri temizleme, eksik veri yönetimi ve değişken dönüşümleri.
Kategorik değişkenlerin kodlanması ve özellik mühendisliği.
Verinin modelleme için hazırlanması ve segmentasyon.
Lojistik Regresyon Modelinin Kurulması
Modelin kurulması ve bağımsız değişkenlerin seçimi.
SAS’ta lojistik regresyon modeli kurma (PROC LOGISTIC kullanımı).
Modelin parametrelerinin ayarlanması ve optimizasyonu.
Modelin Performansının Değerlendirilmesi
Model uyumunu ve tahmin gücünü değerlendirme.
ROC eğrisi, AUC, ve Gini katsayısı ile model performansı ölçme.
İkili sınıflandırma için model doğruluğu, hassasiyet, özgüllük ve F1 skoru hesaplama.
Modelin İyileştirilmesi
Model iyileştirme teknikleri: değişken seçimi, düzenleme ve model kombinasyonları.
Overfitting ve underfitting durumları ile başa çıkma.
İleri düzey özellik mühendisliği ve model güncellemeleri.
Model Sonuçlarının Yorumlanması ve Raporlama
Model sonuçlarının iş kararlarına entegrasyonu.
Lojistik regresyon çıktılarının yorumlanması ve raporlanması.
Karar destek sistemleri için model sonuçlarını sunma.