课程主页: https://www.coursera.org/learn/sas-predictive-modeling-using-logistic-regression
课程概述
在数据分析和预测建模的领域中，逻辑回归是一种至关重要的工具。Coursera上的《使用SAS进行逻辑回归的预测建模》课程正是围绕这一主题展开，教授学员如何利用SAS/STAT软件进行逻辑回归模型的构建与评估。
本课程涵盖了以下主题：变量选择与交互作用、分类变量的重编码、模型评估、缺失值处理等，并使用效率技术处理大规模数据。总之，您将学习如何通过逻辑回归来建模个体行为及相关输入变量。
课程大纲
课程分为多个模块，系统性地介绍了预测建模的基本概念、模型拟合、输入变量准备、模型性能测评等：
- 课程概述与物流：了解课程的结构和学习目标。
- 理解预测建模：复习预测建模的基本概念，并探讨课程所使用的商业情景数据与模型者可能遇到的分析挑战。
- 模型拟合：探索逻辑回归模型的基本概念，使用LOGISTIC过程拟合模型，并学习如何对新案例进行评分及调整模型。
- 输入变量准备，第一部分：处理常见的预测变量问题，如缺失值、大量类别预测变量以及与响应变量的非线性关系。
- 输入变量准备，第二部分：选择最具预测能力的变量，用于模型建立。
- 测量模型性能：评估模型性能，确定最大化利润的分配规则，并生成一系列复杂度逐渐提升的预测模型，从而选择最佳模型。
- SAS认证实践考试：进行统计业务分析的SAS®9：回归与建模相关理论的自我测试。
课程推荐
如果您希望在数据科学领域拓展自己的技能，该课程绝对值得推荐。课程内容设计合理，逐步深入，适合数据分析者与研究人员。同时，由于SAS在企业分析中的广泛应用，学习这一工具将为您的职业增添光彩。
总的来说，这个课程从基础到进阶内容都有覆盖，对于新手和进阶学员同样有莫大的帮助。
课程主页: https://www.coursera.org/learn/sas-predictive-modeling-using-logistic-regression