Predictive Modeling with Logistic Regression using SAS

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen. Sehen Sie sich die Sprachen an, die wir anbieten.

Predictive Modeling with Logistic Regression using SAS

Dieser Kurs ist Teil von SAS Statistical Business Analyst (berufsbezogenes Zertifikat)

Unterrichtet in Deutsch (KI-Synchronisation)

Dozent: Marc Huber

8.237 bereits angemeldet

Bei enthalten

Mehr erfahren

7 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

63 Bewertungen

Stufe Mittel

Einige einschlägige Kenntnisse erforderlich

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

7 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

63 Bewertungen

Stufe Mittel

Einige einschlägige Kenntnisse erforderlich

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

Kategorie: Logistic Regression
Kategorie: Statistical Machine Learning
Kategorie: Classification And Regression Tree (CART)
Kategorie: Big Data
Kategorie: Regression Analysis
Kategorie: Data Preprocessing
Kategorie: Model Evaluation
Kategorie: Statistical Analysis
Kategorie: Predictive Modeling
Kategorie: Feature Engineering

Werkzeuge, die Sie lernen werden

Kategorie: SAS (Software)

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

40 Aufgaben

Unterrichtet in Deutsch (KI-Synchronisation)

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihr Fachwissen im Bereich Data Analysis

Dieser Kurs ist Teil der Spezialisierung SAS Statistical Business Analyst (berufsbezogenes Zertifikat)

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für dieses berufsbezogene Zertifikat angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat von SAS zur Vorlage

In diesem Kurs gibt es 7 Module

This course covers predictive modeling using SAS/STAT software with emphasis on the LOGISTIC procedure. This course also discusses selecting variables and interactions, recoding categorical variables based on the smooth weight of evidence, assessing models, treating missing values, and using efficiency techniques for massive data sets. You learn to use logistic regression to model an individual's behavior as a function of known inputs, create effect plots and odds ratio plots, handle missing data values, and tackle multicollinearity in your predictors. You also learn to assess model performance and compare models.

Das ist alles enthalten

1 Video7 Lektüren

1 Video Insgesamt 1 Minute

Meet the Instructor 1 Minute

7 Lektüren Insgesamt 71 Minuten

What You Learn in This Course 5 Minuten
Learner Prerequisites 1 Minute
Using Forums and Getting Help 5 Minuten
Access SAS Software for this Course 10 Minuten
Set Up Data for This Course (REQUIRED) 30 Minuten
About the Demos and Practices in this Course 10 Minuten
Frequently Asked Questions 10 Minuten

In this module, you review the fundamentals of predictive modeling. Then you explore the business scenario data that is used throughout the course. Finally, you learn about common analytical challenges that you might encounter as a modeler.

Das ist alles enthalten

15 Videos1 Lektüre6 Aufgaben

15 Videos Insgesamt 34 Minuten

Overview 1 Minute
Introduction 0 Minuten
Goals of Predictive Modeling 2 Minuten
Terms for Elements in Predictive Modeling 1 Minute
Basic Steps of Predictive Modeling 3 Minuten
Applications of Predictive Modeling 2 Minuten
Demonstration Scenario: Target Marketing for a Bank 2 Minuten
Demo: Examining the Code for Generating Descriptive Statistics and Frequency Tables 2 Minuten
Introduction 0 Minuten
Data Challenges 6 Minuten
Analytical Challenges 2 Minuten
Separate Sampling 2 Minuten
Avoiding the Optimism Bias: Honest Assessment 2 Minuten
Splitting the Data for Model Training and Assessment 3 Minuten
Demo: Splitting the Data 5 Minuten

1 Lektüre Insgesamt 10 Minuten

Summary 10 Minuten

6 Aufgaben Insgesamt 75 Minuten

Practice: Exploring the Bank Data for the Target Marketing Project 20 Minuten
Practice: Exploring the Veterans' Organization Data Used in the Practices 20 Minuten
Question 1.01 5 Minuten
Question 1.02 5 Minuten
Question 1.03 5 Minuten
Practice: Splitting the Data 20 Minuten

In this module, you investigate the concepts behind the logistic regression model. Then you learn to use the LOGISTIC procedure to fit a logistic regression model. Finally, you learn how to score new cases and adjust the model for oversampling.

Das ist alles enthalten

18 Videos1 Lektüre4 Aufgaben

18 Videos Insgesamt 54 Minuten

Overview 1 Minute
Introduction 0 Minuten
Understanding the Logistic Regression Model 3 Minuten
Constraining the Posterior Probability Using the Logit Transformation 2 Minuten
Understanding the Fitted Surface 1 Minute
Interpreting the Model by Calculating the Odds Ratio 3 Minuten
Understanding Logistic Discrimination 2 Minuten
Estimating Unknown Parameters Using Maximum Likelihood Estimation 2 Minuten
Interpreting Concordant, Discordant, and Tied Pairs 2 Minuten
Using PROC LOGISTIC to Fit Logistic Regression Models 0 Minuten
Demo: Fitting a Basic Logistic Regression Model, Part 1 8 Minuten
Demo: Fitting a Basic Logistic Regression Model, Part 2 12 Minuten
Scoring New Cases 0 Minuten
Demo: Scoring New Cases 8 Minuten
Introduction 0 Minuten
Understanding the Effect of Oversampling 1 Minute
Understanding the Offset 2 Minuten
Demo: Correcting for Oversampling 7 Minuten

1 Lektüre Insgesamt 10 Minuten

Summary 10 Minuten

4 Aufgaben Insgesamt 60 Minuten

Question 2.01 5 Minuten
Question 2.02 5 Minuten
Practice: Fitting a Logistic Regression Model 20 Minuten
Fitting the Model Review 30 Minuten

In this module, you learn how to deal with common problems with your predictor variables such as missing values, categorical predictors with many levels, a high number of redundant predictors, and nonlinear relationships with the response variable.

Das ist alles enthalten

26 Videos9 Aufgaben

26 Videos Insgesamt 76 Minuten

Overview 1 Minute
Introduction 0 Minuten
Reasons for Missing Data 3 Minuten
Complete Case Analysis 2 Minuten
Methods for Imputing Missing Values 3 Minuten
Missing Value Imputation with Missing Value Indicator Variables 4 Minuten
Demo: Imputing Missing Values 4 Minuten
Cluster Imputation 2 Minuten
Introduction 0 Minuten
Problems Caused by Categorical Inputs 4 Minuten
Solutions to Problems Caused by Categorical Inputs 1 Minute
Linking to Other Data Sets 1 Minute
Collapsing Categories by Thresholding 1 Minute
Collapsing Categories by Using Greenacre's Method 3 Minuten
Demo: Collapsing the Levels of a Nominal Input, Part 1 6 Minuten
Demo: Collapsing the Levels of a Nominal Input, Part 2 10 Minuten
Replacing Categorical Levels by Using Smoothed Weight-of-Evidence Coding 3 Minuten
Demo: Computing the Smoothed Weight of Evidence 5 Minuten
Introduction 0 Minuten
Problem of Redundancy 2 Minuten
Variable Clustering Method 1 Minute
Understanding Principal Components 5 Minuten
Divisive Clustering 4 Minuten
PROC VARCLUS Syntax 1 Minute
Selecting a Representative Variable from Each Cluster 1 Minute
Demo: Reducing Redundancy by Clustering Variables 9 Minuten

9 Aufgaben Insgesamt 105 Minuten

Question 3.01 5 Minuten
Practice: Imputing Missing Values 20 Minuten
Question 3.02 5 Minuten
Question 3.03 5 Minuten
Question 3.04 5 Minuten
Practice: Collapsing the Levels of a Nominal Input 20 Minuten
Practice: Computing the Smoothed Weight of Evidence 20 Minuten
Question 3.05 5 Minuten
Practice: Reducing Redundancy by Clustering Variables 20 Minuten

In this module, you learn how to select the most predictive variables to use in your model.

Das ist alles enthalten

23 Videos1 Lektüre12 Aufgaben

23 Videos Insgesamt 92 Minuten

Introduction 0 Minuten
Detecting Nonlinear Relationships 4 Minuten
Demo: Performing Variable Screening, Part 1 6 Minuten
Demo: Performing Variable Screening, Part 2 4 Minuten
Univariate Binning and Smoothing 3 Minuten
Demo: Creating Empirical Logit Plots 10 Minuten
Remedies for Nonlinear Relationships 2 Minuten
Demo: Accommodating a Nonlinear Relationship, Part 1 6 Minuten
Demo: Accommodating a Nonlinear Relationship, Part 2 8 Minuten
Introduction 0 Minuten
Specifying a Subset Selection Method in PROC LOGISTIC 2 Minuten
Best-Subsets Selection 1 Minute
Stepwise Selection 3 Minuten
Backward Elimination 2 Minuten
Scalability of the Subset Selection Methods in PROC LOGISTIC 3 Minuten
Detecting Interactions 3 Minuten
BIC-based Significance Level 3 Minuten
Demo: Detecting Interactions 7 Minuten
Demo: Using Backward Elimination to Subset the Variables 4 Minuten
Demo: Displaying Odds Ratios for Variables Involved in Interactions 4 Minuten
Demo: Creating an Interaction Plot 3 Minuten
Demo: Using the Best-Subsets Selection Method 4 Minuten
Demo: Using Fit Statistics to Select a Model 10 Minuten

1 Lektüre Insgesamt 10 Minuten

Summary of Preparing the Input Variables, Parts 1 and 2 10 Minuten

12 Aufgaben Insgesamt 160 Minuten

Question 3.06 5 Minuten
Practice: Performing Variable Screening 20 Minuten
Practice: Creating Empirical Logit Plots 20 Minuten
Question 3.07 5 Minuten
Question 3.08 5 Minuten
Question 3.09 5 Minuten
Practice: Using Forward Selection to Detect Interactions 20 Minuten
Question 3.10 5 Minuten
Practice: Using Backward Elimination to Subset the Variables 20 Minuten
Question 3.11 5 Minuten
Practice: Using Fit Statistics to Select a Model 20 Minuten
Preparing the Input Variables Review 30 Minuten

In this module, you learn how to assess the performance of your model and how to determine allocation rules that maximize profit. Finally, you learn how to generate a family of increasingly complex predictive models and how to select the best model.

Das ist alles enthalten

30 Videos1 Lektüre9 Aufgaben

30 Videos Insgesamt 78 Minuten

Overview 1 Minute
Introduction 0 Minuten
Fit versus Complexity 2 Minuten
Assessing Models when Target Event Data Is Rare 2 Minuten
Demo: Preparing the Validation Data 5 Minuten
Introduction 0 Minuten
Understanding the Confusion Matrix 5 Minuten
Measuring Performance across Cutoffs by Using the ROC Curve 4 Minuten
Choosing Depth by Using the Gains Chart 3 Minuten
Effects of Oversampled Data on Performance Measures 3 Minuten
Adjusting a Confusion Matrix for Oversampling 1 Minute
Demo: Measuring Model Performance Based on Commonly-Used Metrics 7 Minuten
Introduction 0 Minuten
Understanding the Effect of Cutoffs on Confusion Matrices 1 Minute
Understanding the Profit Matrix 2 Minuten
Choosing the Optimal Cutoff by Using the Profit Matrix 3 Minuten
Using the Central Cutoff 1 Minute
Using Profit to Assess Fit 0 Minuten
Calculating Sampling Weights 1 Minute
Demo: Using a Profit Matrix to Measure Model Performance 6 Minuten
Introduction 0 Minuten
Plotting Class Separation 2 Minuten
Assessing Overall Predictive Power 3 Minuten
Demo: Using the K-S Statistic to Measure Model Performance 2 Minuten
Introduction 0 Minuten
Comparing ROC Curves of Several Models" 2 Minuten
Demo: Comparing ROC Curves to Measure Model Performance 4 Minuten
Using Macros to Compare Many Models 1 Minute
Demo: Comparing and Evaluating Many Models, Part 1 8 Minuten
Demo: Comparing and Evaluating Many Models, Part 2 7 Minuten

1 Lektüre Insgesamt 10 Minuten

Summary 10 Minuten

9 Aufgaben Insgesamt 85 Minuten

Question 4.01 5 Minuten
Question 4.02 5 Minuten
Question 4.03 5 Minuten
Practice: Assessing Model Performance 20 Minuten
Question 4.04 5 Minuten
Question 4.05 5 Minuten
Question 4.06 5 Minuten
Question 4.07 5 Minuten
Measuring Model Performance Review 30 Minuten

Das ist alles enthalten

1 Lektüre1 App-Element

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Lehrkraftbewertungen

(18 Bewertungen)

Marc Huber

SAS

2 Kurse 8.794 Lernende

von

SAS

Mehr von Data Analysis entdecken

EDUCBA
Logistic Regression with SAS: Build & Evaluate Models
Kurs
EDUCBA
SPSS: Apply & Interpret Logistic Regression Models
Kurs
EDUCBA
Logistic Regression with R: Build & Predict
Kurs
EDUCBA
Predictive Analytics with SAS: Build & Deploy Models
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
79,36 %
4 stars
14,28 %
3 stars
0 %
2 stars
3,17 %
1 star
3,17 %

Zeigt 3 von 63 an

Geprüft am 10. Apr. 2021

Great training sets of problems. Good guidance & teaching.

Geprüft am 14. Juni 2021

Thank you so much to the instructor, Michael J Patetta for teaching this course!

Weitere Bewertungen anzeigen

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Mehr erfahren

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Erkunden Sie die Abschlüsse

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Mehr erfahren

Häufig gestellte Fragen

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Certificate, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.