Direkt zum Inhalt
StartseitePythonIntermediate Regression with statsmodels in Python

Intermediate Regression with statsmodels in Python

Learn to perform linear and logistic regression with multiple explanatory variables.

Kurs Kostenlos Starten
4 Stunden14 Videos52 Übungen
10.294 LernendeTrophyLeistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
GroupTrainierst du 2 oder mehr?Testen Sie DataCamp For Business

Beliebt bei Lernenden in Tausenden Unternehmen


Kursbeschreibung

Linear regression and logistic regression are the two most widely used statistical models and act like master keys, unlocking the secrets hidden in datasets. In this course, you’ll build on the skills you gained in "Introduction to Regression in Python with statsmodels", as you learn about linear and logistic regression with multiple explanatory variables. Through hands-on exercises, you’ll explore the relationships between variables in real-world datasets, Taiwan house prices and customer churn modeling, and more. By the end of this course, you’ll know how to include multiple explanatory variables in a model, discover how interactions between variables affect predictions, and understand how linear and logistic regression work.
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr
Testen Sie DataCamp for BusinessFür eine maßgeschneiderte Lösung buchen Sie eine Demo.

In den folgenden Tracks

Grundlagen der Statistik mit Python

Gehe zu Track
  1. 1

    Parallel Slopes

    Kostenlos

    Extend your linear regression skills to parallel slopes regression, with one numeric and one categorical explanatory variable. This is the first step towards conquering multiple linear regression.

    Kapitel Jetzt Abspielen
    Parallel slopes linear regression
    50 xp
    Fitting a parallel slopes linear regression
    100 xp
    Interpreting parallel slopes coefficients
    100 xp
    Visualizing each explanatory variable
    100 xp
    Visualizing parallel slopes
    100 xp
    Predicting parallel slopes
    50 xp
    Predicting with a parallel slopes model
    100 xp
    Visualizing parallel slopes model predictions
    100 xp
    Manually calculating predictions
    100 xp
    Assessing model performance
    50 xp
    Comparing coefficients of determination
    100 xp
    Comparing residual standard error
    100 xp
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr

In den folgenden Tracks

Grundlagen der Statistik mit Python

Gehe zu Track

Datensätze

Ad conversionCustomer churnTaiwan real estateFish measurement dataeBay auctions

Mitwirkende

Collaborator's avatar
Richie Cotton
Collaborator's avatar
Maggie Matsui
Collaborator's avatar
Amy Peterson
Maarten Van den Broeck HeadshotMaarten Van den Broeck

Senior Content Developer at DataCamp

Mehr Anzeigen

Was sagen andere Lernende?

Melden Sie sich an 14 Millionen Lernende und starten Sie Intermediate Regression with statsmodels in Python Heute!

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.