《Predictive Modeling Using Logistic Regression（使用逻辑

　　
　　课程概述：
　　
　　本课程包括使用SAS/STAT软件进行预测建模，重点在LOGISTIC程序。本课程也讨论了选择变量，评估模型，处理缺失值和使用高效处理海量数据集的技术。
　　
　　本课程可以帮您准备接下来的SAS数据挖掘建模（高级）认证考试。
　　
　　学习目标：
　　
　　●使用逻辑回归为一个个人行为建模，作为已知输入的一个函数
　　
　　●使用ODS统计图形系统创建效果图和优势比图
　　
　　●处理缺失数据值
　　
　　●处理预测过程中自变量的多重共线性
　　
　　●评估模型性能和模型比较
　　
　　课时：2天
　　
　　适合学员：
　　
　　想要建立预测模型，尤其是银行、金融服务、直复营销市场、保险和通信行业的模型的建模人员、分析师和统计学家。
　　
　　课程内容：
　　
　　1、预测建模
　　
　　-商业应用
　　
　　-分析挑战
　　
　　2、拟合模型
　　
　　-参数估计
　　
　　-过采样调整
　　
　　3、准备自变量
　　
　　-缺失值
　　
　　-分类输入
　　
　　-变量聚类
　　
　　-变量筛选
　　
　　-子集选择
　　
　　4、分类器性能
　　
　　-ROC曲线和Lift图
　　
　　-最优分割点
　　
　　-K-S统计
　　
　　-C统计
　　
　　-利润
　　
　　-评估一系列模型
　　
　　前提条件：
　　
　　参加本课程前，你应该
　　
　　●有执行SAS程序和创建SAS数据集的经验，可以通过《SAS Programming 1: Essentials》（《SAS编程 1: 基础》）课程学习。
　　
　　●有使用SAS软件建立统计模型的经验
　　
　　●已完成包括线性回归和逻辑回归的统计课程，例如《Statistics 1: Introduction to ANOVA, Regression, and Logistic Regression》（《统计1：方差分析，回归和逻辑回归介绍》）课程。