TR.11 Логистическая регрессия в медицине

Цель курса

• Дать теоретические знания по применению логистической регрессии и ROC-анализа для обработки медицинских данных;
• Освоить инструментарий аналитической платформы Deductor для разработки эффективных диагностических тестов на основе статистических методов.

Виды и длительность курса

• Очный тренинг (24 ак. часа) с последующей дистанционной аттестацией (по желанию)

Программа тренинга

День 1. Введение в анализ данных и аналитическую платформу Deductor (8 ч.)

Современные подходы к анализу данных. Базовая терминология анализа данных, понятие модели и моделирования. Эксперты, аналитики и конечные пользователи. Виды и способы моделирования, роль экспертов в построении моделей. Последовательность шагов по анализу данных. Структурированные данные и понятия, связанные с ними: типы и виды данных, упорядоченные и неупорядоченные данные, транзакционные данные. Этапы процесса KDD для извлечения знаний из массивов данных. Машинное обучение и классы задач Data Mining. Причины популярности KDD и Data Mining и история развития технологий. Классификация программных продуктов для создания аналитических решений. Статистические методы и их место в Data Mining. Практикум 'Базовые навыки работы в Deductor Studio'.

День 2,3. Логистическая регрессия: теория и практика (16 ч.)

• Линейный регрессионный анализ: необходимые сведения для усвоения тренинга
• Задачи, решаемые бинарной логистической регрессией при обработке медицинских данных
• Основы логистической регрессии. Шансы и отношения шансов
• Интерпретация модели логистической регрессии
• Множественная логистическая регрессия. Примеры из медицины
• Пошаговые процедуры отбора значимых признаков
• ROC-анализ для оценки качества логрегресионной модели
• Практикум в Deductor Studio 5.2 на медицинских наборах данных: диагностика заболеваний, скрининговые тесты
• Выполнение и разбор индивидуального задания в Deductor под руководством тренера.

Обязательная предварительная подготовка

Базовые знания в области математической статистики в рамках вузовского курса. Линейный регрессионный анализ.