Saltar al contenido principal
InicioR

Introduction to Regression in R

Predict housing prices and ad click-through rate by implementing, analyzing, and interpreting regression analysis in R.

Comienza El Curso Gratis
4 horas14 vídeos52 ejercicios57.615 aprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group

¿Entrenar a 2 o más personas?

Probar DataCamp for Business

Preferido por estudiantes en miles de empresas


Descripción del curso

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 gain the skills you need to fit simple linear and logistic regressions. Through hands-on exercises, you’ll explore the relationships between variables in real-world datasets, including motor insurance claims, Taiwan house prices, fish sizes, and more. By the end of this course, you’ll know how to make predictions from your data, quantify model performance, and diagnose problems with model fit.
Empresas

¿Entrenar a 2 o más personas?

Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.
DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.

En las siguientes pistas

Certificación disponible

Científico de datos asociado in R

Ir a la pista

Estadístico in R

Ir a la pista

Fundamentos de Estadística in R

Ir a la pista
  1. 1

    Simple Linear Regression

    Gratuito

    You’ll learn the basics of this popular statistical model, what regression is, and how linear and logistic regressions differ. You’ll then learn how to fit simple linear regression models with numeric and categorical explanatory variables, and how to describe the relationship between the response and explanatory variables using model coefficients.

    Reproducir Capítulo Ahora
    A tale of two variables
    50 xp
    Which one is the response variable?
    50 xp
    Visualizing two variables
    100 xp
    Fitting a linear regression
    50 xp
    Estimate the intercept
    50 xp
    Estimate the slope
    50 xp
    Linear regression with lm()
    100 xp
    Categorical explanatory variables
    50 xp
    Visualizing numeric vs. categorical
    100 xp
    Calculating means by category
    100 xp
    lm() with a categorical explanatory variable
    100 xp
  2. 2

    Predictions and model objects

    In this chapter, you’ll discover how to use linear regression models to make predictions on Taiwanese house prices and Facebook advert clicks. You’ll also grow your regression skills as you get hands-on with model objects, understand the concept of "regression to the mean", and learn how to transform variables in a dataset.

    Reproducir Capítulo Ahora
  3. 3

    Assessing model fit

    In this chapter, you’ll learn how to ask questions of your model to assess fit. You’ll learn how to quantify how well a linear regression model fits, diagnose model problems using visualizations, and understand the leverage and influence of each observation used to create the model.

    Reproducir Capítulo Ahora
Empresas

¿Entrenar a 2 o más personas?

Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.

En las siguientes pistas

Certificación disponible

Científico de datos asociado in R

Ir a la pista

Estadístico in R

Ir a la pista

Fundamentos de Estadística in R

Ir a la pista

conjuntos de datos

Taiwan Real EstateAd conversion dataChurn dataS&P 500 Yearly Returns

colaboradores

Collaborator's avatar
Maggie Matsui
Collaborator's avatar
Amy Peterson
Collaborator's avatar
Adel Nehme
Richie Cotton HeadshotRichie Cotton

Data Evangelist at DataCamp

Ver Más

¿Qué tienen que decir otros alumnos?

¡Únete a 15 millones de estudiantes y empieza Introduction to Regression in R hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.