Cours
Introduction à la régression avec statsmodels en Python
IntermédiaireNiveau de compétence
Actualisé 03/2026PythonProbability & Statistics4 h14 vidéos53 Exercices4,150 XP58,081Certificat de réussite.
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.Apprécié par des utilisateurs provenant de milliers d'entreprises
Former 2 personnes ou plus ?
Essayez DataCamp for BusinessDescription du cours
Utilisez les modèles statistiques de Python pour la régression linéaire et logistique
La régression linéaire et la régression logistique sont deux des modèles statistiques les plus utilisés. Ils agissent comme des clés maîtresses, déverrouillant les secrets cachés dans vos données. Dans ce cours, vous acquerrez les compétences nécessaires pour effectuer des régressions linéaires et logistiques simples.Grâce à des exercices pratiques, vous explorerez les relations entre les variables dans des ensembles de données du monde réel, notamment les demandes d'assurance automobile, les prix de l'immobilier à Taiwan, la taille des poissons, etc.
Découvrez comment faire des prédictions et évaluer l'adéquation du modèle
Vous commencerez ce cours de 4 heures en apprenant ce qu'est la régression et en quoi la régression linéaire et la régression logistique diffèrent, en apprenant à les appliquer toutes les deux. Ensuite, vous apprendrez à utiliser les modèles de régression linéaire pour faire des prédictions sur les données tout en comprenant les objets du modèle.Au fur et à mesure de votre progression, vous apprendrez à évaluer l'adéquation de votre modèle et à connaître le degré d'adéquation de votre modèle de régression linéaire. Enfin, vous approfondirez les modèles de régression logistique pour faire des prédictions sur des données réelles.
Apprenez les bases de l'analyse de régression en Python
A la fin de ce cours, vous saurez comment faire des prédictions à partir de vos données, quantifier la performance du modèle et diagnostiquer les problèmes d'ajustement du modèle. Vous comprendrez comment utiliser les modèles statistiques Python pour l'analyse de régression et serez en mesure d'appliquer les compétences à des ensembles de données réelles.Prérequis
Introduction to Data Visualization with SeabornIntroduction to Statistics in Python1
Simple Linear Regression Modeling
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.
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.
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 each observation's leverage and influence to create the model.
4
Simple Logistic Regression Modeling
Learn to fit logistic regression models. Using real-world data, you’ll predict the likelihood of a customer closing their bank account as probabilities of success and odds, and quantify model performance using confusion matrices.
Introduction à la régression avec statsmodels en Python
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performance
Inclus avecPremium or Teams
S'inscrire MaintenantRejoignez plus de 19 millions d'utilisateurs et commencez Introduction à la régression avec statsmodels en Python dès aujourd'hui !
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.