داده کاوی با رگرسیون لجستیک

امروزه داده کاوی به عنوان یک ابزار و روش علمی جدید برای بررسی و تحلیل داده ها در پایگاه های بزرگ داده مطرح شده است. با استفاده از تکنیک های این روش می توان حجم وسیعی از داده های خام را به اطلاعات مفید و قابل استفاده تبدیل کرد. داده کاوی تکنیک ها و الگوریتم های متنوع و متفاوتی برای تحلیل داد ه دارد. از این بین می توان به معروفترین آن ها از جمله شبکه های عصبی، درخت تصمیم، رگرسیون لجستیک، قوانین انجمنی و آنالیز خوشه ای اشاره کرد. یکی از پرکاربردترین این روش ها، رگرسیون لجستیک است. در شرایطی که متغیر پاسخ مورد نظر یک متغیر دو حالتی باشد، از این روش برای طبقه بندی یا پیش بینی متغیر پاسخ استفاده می شود. مزیت این روش نسبت به سایر روش ها، قدرتمند و دقیق بودن آن و عدم نیاز به پیش شرطهای معمول است. در این پایان نامه مدل رگرسیون لجستیک و نحوه استفاده از آن بررسی می شود. سپس رگرسیون لجستیک برای پیش بینی دو متغیر مهم اقتصادی با استفاده از داده های واقعی به کار گرفته می شود و در مورد ساخت یک مدل مناسب یا انتخاب بهترین مدل در بین مدل های موجود بحث می شود.