Ir al contenido principal

Curso

Modelos lineales generalizados en Python

AvanzadoNivel de habilidad

Actualizado 10/2022

Comienza el curso gratis

PythonProbability & Statistics

5 h

16 vídeos

59 Ejercicios

4,950 XP

11,905

Certificado de logros

Preferido por estudiantes en miles de empresas

¿Formando un equipo?

Prueba para empresas

Descripción del curso

Imagina poder trabajar con datos donde la variable respuesta sea binaria, de conteo o aproximadamente normal, todo bajo un único marco. Pues no hace falta imaginarlo. ¡Bienvenido al curso de Modelos lineales generalizados en Python! En este curso ampliarás tu caja de herramientas de regresión con los modelos logístico y de Poisson: aprenderás a ajustar modelos, interpretarlos, evaluar su rendimiento y, por último, usarlos para predecir sobre datos nuevos. Practicarás con datos de estudios reales como el mayor envenenamiento poblacional de la historia, la nidificación de los cangrejos herradura y el recuento de bicicletas que cruzan los puentes de la ciudad de Nueva York.

Requisitos previos

Introduction to Linear Modeling in Python

1

Introducción a los GLM

Repasa los modelos lineales y aprende cómo los GLM son una extensión del modelo lineal para distintos tipos de variables respuesta. También verás los componentes fundamentales de los GLM y el proceso técnico para ajustar un GLM en Python.

Más allá de la regresión lineal

Aplicar modelos lineales

Modelo lineal, un caso especial de GLM

¿Cómo construir un GLM?

Tipo de dato y familia de distribución

Modelo lineal y variable respuesta binaria

Comparar valores predichos

¿Cómo ajustar un GLM en Python?

Ajuste del modelo paso a paso

Resultados del ajuste del modelo con summary()

Extraer estimaciones de parámetros

Iniciar capítulo

2

Modelización de datos binarios

Este capítulo se centra en la regresión logística. Aprenderás sobre la estructura de los datos binarios, la función de enlace logit, el ajuste del modelo, así como a interpretar los coeficientes, realizar inferencia y evaluar el rendimiento del modelo.

Datos binarios y regresión logística

Calcula momios y probabilidades

Ajusta una regresión logística

Interpretar coeficientes

Coeficientes en términos de odds

Fórmula del modelo

Interpretar un modelo logístico

Tasa de cambio en la probabilidad

Interpretar la inferencia del modelo

Significado estadístico

Cálculo del estadístico de Wald

Intervalos de confianza

Calcular y describir predicciones

Visualiza el ajuste del modelo con regplot()

Calcular predicciones

Calcular la matriz de confusión

Iniciar capítulo

3

Modelización de datos de conteo

Aquí aprenderás sobre la regresión de Poisson, incluyendo el análisis de los datos de conteo, la distribución de Poisson y la interpretación del ajuste del modelo. También verás cómo afrontar problemas de sobredispersión. Para terminar, pondrás en práctica el proceso de visualización del modelo.

Datos de conteo y distribución de Poisson

Visualiza la variable respuesta

Ajuste de una regresión de Poisson

Interpretar el ajuste del modelo

Estimar el parámetro lambda

Interpretar coeficientes de Poisson

Intervalos de confianza de Poisson

El problema de la sobredispersión

¿La media es igual a la varianza?

Calcular el número esperado de conteos

Comprobar la sobredispersión

Ajustar binomial negativa

Intervalos de confianza para el modelo binomial negativo

Representar un modelo de regresión

Representar los datos y el ajuste del modelo lineal

Representación de los valores ajustados

Iniciar capítulo

4

Regresión logística multivariable

En este capítulo final aprenderás a aumentar la complejidad del modelo añadiendo más de una variable explicativa. Practicarás con el problema de la multicolinealidad y con el tratamiento de variables categóricas y términos de interacción en tu modelo.

Regresión logística multivariable

Ajusta una regresión logística multivariable

El efecto de la multicolinealidad

Calcular el VIF

Comparando modelos

Comprobar el ajuste del modelo

Compara dos modelos

Desviancia y transformación lineal

Fórmula del modelo

Matriz del modelo para variables continuas

Transformación de variables

Codificación de variables categóricas

Variables categóricas y términos de interacción

Modelado con variable categórica

Términos de interacción

¡Enhorabuena!

Iniciar capítulo

Modelos lineales generalizados en Python

Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Modelos lineales generalizados en Python hoy mismo!

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.