After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Regresi linear dan regresi logistik adalah dua model statistik yang paling banyak digunakan dan berfungsi seperti kunci utama yang membuka rahasia tersembunyi dalam himpunan data. Dalam kursus ini, Anda akan mempelajari keterampilan yang diperlukan untuk memasangkan regresi linear dan logistik sederhana. Melalui latihan praktik, Anda akan menelusuri hubungan antarvariabel dalam himpunan data dunia nyata, termasuk klaim asuransi kendaraan bermotor, harga rumah di Taiwan, ukuran ikan, dan lainnya. Di akhir kursus, Anda akan memahami cara membuat prediksi dari data Anda, mengukur kinerja model, dan mendiagnosis masalah pada kecocokan model.
Prasyarat
Kurikulum
Garis besar kursus
1
Regresi Linear Sederhana
Anda akan mempelajari dasar-dasar model statistik populer ini, apa itu regresi, dan bagaimana perbedaan antara regresi linear dan regresi logistik. Selanjutnya, Anda akan belajar memasangkan model regresi linear sederhana dengan variabel penjelas numerik dan kategorikal, serta bagaimana menggambarkan hubungan antara variabel respons dan variabel penjelas menggunakan koefisien model.
- Kisah dua variabel50 XP
- Manakah variabel responsnya?50 XP
- Memvisualisasikan dua variabel100 XP
- Mengepaskan regresi linear50 XP
- Perkirakan intersep50 XP
- Perkirakan kemiringan (slope)50 XP
- Regresi linear dengan lm()100 XP
- Variabel penjelas kategorikal50 XP
- Memvisualisasikan numerik vs. kategorial100 XP
- Menghitung rataan per kategori100 XP
- lm() dengan variabel penjelas kategorikal100 XP
2
Prediksi dan objek model
Di bab ini, Anda akan mempelajari cara menggunakan model regresi linear untuk membuat prediksi terhadap harga rumah di Taiwan dan klik iklan Facebook. Anda juga akan meningkatkan keterampilan regresi saat Anda berlatih dengan objek model, memahami konsep "regression to the mean", dan mempelajari cara mentransformasikan variabel dalam sebuah himpunan data.
3
Menilai kecocokan model
Di bab ini, Anda akan belajar bagaimana mengajukan pertanyaan pada model Anda untuk menilai kecocokan. Anda akan mempelajari cara mengukur seberapa baik kecocokan model regresi linear, mendiagnosis masalah model menggunakan visualisasi, serta memahami leverage dan pengaruh dari setiap observasi yang digunakan untuk membangun model.
4
Regresi logistik sederhana
Pelajari cara memasangkan model regresi logistik. Dengan menggunakan data dunia nyata, Anda akan memprediksi kemungkinan nasabah menutup rekening bank mereka sebagai probabilitas keberhasilan dan rasio odds, serta mengukur kinerja model menggunakan confusion matrix.
R
Pengantar Regresi di R
Kursus
Selesai
