50 % de descuento en DataCamp Premium. Más de 700 cursos a mitad de precio. Empieza a aprender hoy.
Descripción del curso
En este curso, aprenderás a construir un modelo de regresión logística con variables relevantes. También aprenderás a usar este modelo para hacer predicciones y a presentarlo, junto con su rendimiento, a las partes interesadas del negocio.
Requisitos previos
Programa de formación
Esquema del curso
1
Construcción de modelos de regresión logística
En este capítulo, aprenderás lo básico de la regresión logística: cómo predecir un objetivo binario con variables continuas y cómo interpretar este modelo y utilizarlo para hacer predicciones con nuevos ejemplos.
- Introducción y estructura de la tabla base50 XP
- Estructura de la tabla base50 XP
- Explorar la tabla base100 XP
- Explorar las variables predictoras100 XP
- Regresión logística50 XP
- Interpretación de coeficientes50 XP
- Crear un modelo de regresión logística100 XP
- Mostrar los coeficientes y el intercepto100 XP
- Usar el modelo de regresión logística50 XP
- Hacer predicciones100 XP
- El donante con mayor probabilidad de donar100 XP
2
Selección de variables paso a paso hacia delante para regresión logística
En este capítulo aprenderás por qué la selección de variables es crucial para construir un modelo útil. También verás cómo implementar la selección de variables paso a paso hacia delante para regresión logística y cómo decidir el número de variables que incluir en tu modelo final.
3
Explicar el rendimiento del modelo al negocio
Ahora que ya sabes cómo construir un buen modelo, deberías convencer a las partes interesadas para que lo usen creando gráficos adecuados. Aprenderás a construir e interpretar la curva de ganancias acumuladas y el gráfico de lift.
4
Interpretar y explicar modelos
En un contexto de negocio, a menudo es importante explicar la intuición detrás del modelo que has construido. De hecho, si el modelo y sus variables no tienen sentido, es posible que no se utilice. En este capítulo aprenderás a explicar la relación entre las variables del modelo y el objetivo mediante gráficos de comprensión de predictores.
Introducción al análisis predictivo en Python
Curso
completado
