по дисциплине «Методо-ориентированные программные системы» deductor. Отчет по лабораторной работе 2 по дисциплине Методоориентированные программные системы
 Скачать 461.21 Kb.
|
 Министерство образования и науки Российской Федерации ОТЧЕТ по лабораторной работе №2 по дисциплине «Методо-ориентированные программные системы» Содержание 1 Постановка задачи Цель работы: Развитие навыков обработки данных и прогнозирования событий, используя возможности логистической регрессии и ROC-анализ. Задание: 1. Откройте файл “CreditSample.txt”). 2. В мастере обработки выберите «Логистическая регрессия». 3. Проведите настройку нормализации полей. 4. Настройте обучающую выборку. 5. Выполните исследование по п.п 2.2 6. Проанализируйте полученные данные. 2 Ход работы 1. Импортируем файл «CreditSample.txt».  Рисунок 1 – Результат импорта  Рисунок 2 – Логистическая регрессия, шаг 2  Рисунок 3 – Логистическая регрессия, шаг 3  Рисунок 4 – Логистичесая регрессия, шаг 5  Рисунок 5 – Логистичесая регрессия, шаг 6  Рисунок 6 – Логистичесая регрессия, шаг 7  Рисунок 7 – Коэффициенты регрессии  Рисунок 8 – Отчет по регресии  Рисунок 9 – Качество классификации  Рисунок 10 – Таблица сопряженности, все вместе  Рисунок 11 – Таблица сопряженности, обучающее  Рисунок 12 – Таблица сопряженности, тестовое  Рисунок 13 – Что - если 3 Вывод В ходе лабораторной работы научились обработке данных и прогнозирования событий, используя возможности логистической регрессии и ROC-анализа. Логистическая регрессия — метод построения линейного классификатора, позволяющий оценивать апостериорные вероятности принадлежности объектов классам. ROC-кривая или кривая ошибок - показывает зависимость количества верно классифицированных положительных объектов (по оси y) от количества неверно классифицированных отрицательных объектов (по оси x). В терминологии ROC - анализа первые называются истинно положительным, вторые – ложно отрицательным множеством. |