Introducción a la regresión con modelos estadísticos en Python

Utilizar modelos estadísticos de Python para la regresión lineal y logística

La regresión lineal y la regresión logística son dos de los modelos estadísticos más utilizados. Actúan como llaves maestras, desvelando los secretos ocultos en tus datos. En este curso, adquirirás las habilidades necesarias para ajustar regresiones lineales y logísticas sencillas.

Mediante ejercicios prácticos, explorarás las relaciones entre variables en conjuntos de datos del mundo real, como reclamaciones de seguros de automóviles, precios de viviendas en Taiwán, tamaños de peces, etc.

Descubre cómo hacer predicciones y evaluar el ajuste del modelo

Empezarás este curso de 4 horas aprendiendo qué es la regresión y en qué se diferencian la regresión lineal y la regresión logística, aprendiendo a aplicar ambas. A continuación, aprenderás a utilizar los modelos de regresión lineal para hacer predicciones sobre los datos, a la vez que comprendes los objetos del modelo.

A medida que avances, aprenderás a evaluar el ajuste de tu modelo y a saber lo bien que se ajusta tu modelo de regresión lineal. Por último, profundizarás en los modelos de regresión logística para hacer predicciones sobre datos reales.

Aprende los fundamentos del análisis de regresión en Python

Al final de este curso, sabrás cómo hacer predicciones a partir de tus datos, cuantificar el rendimiento del modelo y diagnosticar los problemas de ajuste del modelo. Comprenderás cómo utilizar los modelos estadísticos de Python para el análisis de regresión y serás capaz de aplicar los conocimientos a conjuntos de datos de la vida real.