Analisis klasifikasi ini bertujuan untuk mengklasifikasikan jenis biji kering berdasarkan Dry Bean Dataset dari UCI Machine Learning Repository menggunakan metode Multinomial Logistic Regression dan Discriminant Analysis. Dataset terdiri dari 13.611 observasi dengan tujuh kategori jenis biji kering. Data diproses melalui tahap preprocessing meliputi pengecekan missing value, penghapusan data duplikat, standarisasi variabel numerik, dan identifikasi outlier. Variabel yang digunakan merupakan hasil seleksi variabel, yaitu AspectRatio, ShapeFactor1, ShapeFactor4, Extent, dan Solidity untuk mengurangi multikolinearitas dan memperoleh model yang lebih stabil. Evaluasi model dilakukan melalui pengujian asumsi serta pengukuran performa klasifikasi. Hasil analisis menunjukkan bahwa model akhir mampu memberikan performa yang sangat optimal dengan akurasi sebesar 92,24%, nilai Kappa sebesar 0,9061, dan Pseudo R² McFadden sebesar 0,885. Analisis ini menunjukkan bahwa regresi logistik multinomial efektif digunakan untuk klasifikasi multikelas berdasarkan karakteristik geometris biji kering.

This report presents an exploratory analysis of the SwiftKey natural language dataset consisting of blogs, news articles, and Twitter text. The analysis includes data cleaning, summary statistics, visualization of word frequencies, word clouds, and n-gram analysis. The report also outlines the planned approach for building a next-word prediction model and deploying it through a Shiny web application as part of the Coursera Data Science Capstone project.

Regresion lineal taller 1

Anàlisi determinants del suport a Aliança, a nivell municipal i individual

Le projet de recherche intitulé « Projet CAP RECHERCHE » vise à mieux comprendre les mécanismes qui favorisent la progression des projets entrepreneuriaux portés par les étudiants-entrepreneurs du site universitaire clermontois. À travers des méthodes statistiques et multidimensionnelles, cette étude cherche à identifier les principaux facteurs liés au profil de personnalité professionnelle, à la créativité, à l’incertitude, à l’auto-efficacité ou encore aux dynamiques de construction des projets entrepreneuriaux. Ce travail de recherche est porté par une équipe pluridisciplinaire rattachée au CleRMa et impliquée dans le dispositif PEPITE Clermont Auvergne. Alexandre CABAGNOLS et Yassine LOUZZANI travaillent sur le processus entrepreneurial, les réseaux d’affaires et les transitions vertes. Evelyne Bernard s’intéresse aux profils de personnalité des entrepreneurs et aux questions de vocation entrepreneuriale. Dieter Hillairet mène des travaux sur la créativité, l’innovation ouverte et les méthodes pédagogiques innovantes telles que Lego Serious Play. Dans le cadre de ce projet, Boubacar GUIDA intervient en tant qu’ingénieur d’études statistiques pour la mise en œuvre des analyses statistiques, économétriques et multidimensionnelles des données recueillies.