Predictive Modeling Using Logistic Regression

时间: 2 天

适用对象：
这个第四级别的课程为具有 SAS 基本编程经验的建立预测模型者和数据分析员而设计。课程所涉及的技术和问题包括：市场自动化，信用风险评估，欺诈监测，和其他对银行业和电信业适用的预测模型应用。本课程不是为对推论性统计感兴趣的人所设计的 。这些人应该参加《 Categorical Data Analysis Using Logistic Regression 》课程。

课程描述：
这个两天的课程讲述使用 SAS/STAT 来建立预测模型，重点是逻辑过程。课程主题包括：选择变量，评估模型，处理缺矢值，和使用有效的技术处理大数据集。

必备条件：
在参加这门课程之前 , 学员应该 ：

• 具有使用 SAS 软件建立统计模型的经验。
• 理解基本的统计概念，完成如下课程的学习《 Statistics I: Introduction to ANOVA, Regression, and Logistic Regression 》。
• 具有使用建立和管理 SAS 数据集的经验 , 完成如下课程的学习《 SAS Programming I: Essentials course 》。

课程内容：
预测建模。

• 商业应用。
• 分析建模问题 。

找合适的模型 。

• 参数估计。
• 过采样调整。

准备输入变量。

• 缺矢值。
• 直接输入。
• 可变的聚类。
• 子集选择。

分类器的性能。

• ROC 曲线和 Lift 图 。
• 最佳的取舍。
• K-S 统计。

非线性和交互。

• 检测。
• 高级建模技术。

使用产品： SAS Enterprise Miner ； SAS/STAT 。