Modele klasyfikacyjne w nauce – budowa, interpretacja i ocena

Zagadnienie klasyfikacji obiektów jest jednym z powszechniej definiowanych zadań analitycznych w obrębie szeroko rozumianych badań naukowych, począwszy od badań społecznych a skończywszy na badaniach przyrodniczych. Zadaniem modeli jest z jednej strony jak najtrafniejsze odwzorowanie zależności zawartych w zgromadzonym materiale badawczym, z drugiej strony powszechnym wymogiem jest możliwość interpretacji zbudowanego modelu. Kurs wprowadzi użytkowników w tematykę budowy interpretowalnych modeli klasyfikacyjnych. Uczestnicy poznają pełny cykl budowy modelu począwszy od definiowania zmiennych, czyszczenia i przygotowania danych, poprzez dobór predyktorów, aż po interpretację modelu oraz jego ocenę. Podczas kursu zostaną omówione modele skoringowe oparte na regresji logistycznej, drzewa klasyfikacyjne oraz podejście hybrydowe łączące obydwa podejścia. Przykłady wykonywane podczas warsztatów będą odnosiły się głównie do klasyfikacji dwustanowej. Omówiony zostanie również przykład klasyfikacji wielostanowej.

Dla kogo?

• Dla osób prowadzących badania empiryczne w różnych dziedzinach, począwszy od nauk społecznych, a na naukach przyrodniczych kończąc.
• Praktyków pragnących pogłębić swoją wiedzę o technikach budowy modeli klasyfikacyjnych oraz ich możliwych zastosowaniach.

Co zyskasz?

• Poznasz popularne metody modelowania: regresję logistyczną oraz drzewa klasyfikacyjne oraz strategie ich łączenia (modele hybrydowe).
• Nauczysz się technik przygotowania danych na cele modelowania.
• Dowiesz się, jak budować, interpretować i oceniać modele klasyfikacyjne, zarówno dla dwustanowej, jak i wielostanowej zmiennej objaśnianej.

Program szkolenia:

1. Modele klasyfikacyjne w badaniach naukowych
   • Wstęp do modelowania statystycznego,
   • Cele, wyzwania, ograniczenia modeli klasyfikacyjnych,
   • Proces budowy modelu.
2. Przygotowanie danych
   • Jak przygotować próbę do analizy?
   • Problemy występujące w danych
   • Analiza jakości danych
     • Braki danych
     • Wartości nietypowe
     • Współliniowość
   • Przekształcenia zmiennych
     • Konstrukcja wskaźników i zmiennych pochodnych
     • Dyskretyzacja zmiennych
   • Dobór próby do budowy modelu
3. Segmentacja zbioru danych
   • Dlaczego warto wykonać segmentację?
   • Segmentacja statystyczna
4. Budowa modeli klasyfikacyjnych
   • Dobór cech do budowy modelu
   • Regresja logistyczna
   • Metoda skoringowa
   • Drzewa klasyfikacyjne
   • Modele hybrydowe
5. Ocena modelu skoringowego
   • Miary jakości modelu
   • Krzywa ROC
   • Wykres Przyrostu i Zysku
6. Optymalizacja działań wynikających z modelu
   • Ustalanie optymalnego punktu odcięcia
7. Klasyfikacja wielostanowa
   • Budowa modelu
   • Interpretacja i ocena wyników
8. Modele w praktyce naukowej– publikacja a może implementacja?
   • W jaki sposób przygotować wyniki do publikacji?
   • Wyzwania związane z praktyczną implementacją

Polecamy inne szkolenia:

• Praktyczne zastosowania technik regresyjnych w Statistica

Godziny zajęć: 8:15 – 15:30

W ramach szkolenia zapewniamy:

• obszerne materiały szkoleniowe
• świadectwo ukończenia szkolenia
• przerwy kawowe i obiad (dla szkoleń stacjonarnych)

Forma szkolenia:

• online lub stacjonarnie
• forma danej edycji podana przy terminie szkolenia

W przypadku szkoleń online:

• zajęcia prowadzone na żywo w MS Teams
• kontakt z prowadzącym w czasie rzeczywistym

Wymagania:

• umiejętność obsługi komputera w środowisku Windows
• podstawowa znajomość pakietu Statistica
• zalecamy wcześniejszy udział w kursie Statistica kurs podstawowy lub Statystyka w medycynie – metody podstawowe

Cena regularna: 2795 zł netto (+23% VAT)

Cena dla akademickich użytkowników Statistica (-15%)*: 2376 zł netto (+23% VAT)

*-15% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska