After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Gunakan Python statsmodels untuk Regresi Linier dan Regresi Logistik
Regresi linier dan regresi logistik adalah dua model statistik yang paling banyak digunakan. Mereka berfungsi seperti kunci serbaguna, membuka rahasia yang tersembunyi dalam data Anda. Dalam kursus ini, Anda akan memperoleh keterampilan untuk melakukan regresi linier dan logistik sederhana.Melalui latihan praktis, Anda akan mempelajari hubungan antar variabel dalam kumpulan data dunia nyata, termasuk klaim asuransi kendaraan bermotor, harga rumah di Taiwan, ukuran ikan, dan masih banyak lagi.
Pelajari Cara Membuat Prediksi dan Mengevaluasi Kesesuaian Model
Anda akan memulai kursus berdurasi 4 jam ini dengan mempelajari apa itu regresi serta perbedaan antara regresi linier dan regresi logistik, serta mempelajari cara menerapkan keduanya. Selanjutnya, Anda akan mempelajari cara menggunakan model regresi linier untuk membuat prediksi berdasarkan data sekaligus memahami objek-objek model.Seiring dengan kemajuan Anda, Anda akan belajar cara mengevaluasi kesesuaian model Anda, serta cara mengetahui seberapa baik model regresi linier Anda sesuai dengan data. Terakhir, Anda akan mempelajari model regresi logistik secara lebih mendalam untuk membuat prediksi berdasarkan data nyata.
Pelajari Dasar-dasar Analisis Regresi Python
Pada akhir kursus ini, Anda akan mengetahui cara membuat prediksi berdasarkan data Anda, mengukur kinerja model, dan mengidentifikasi masalah terkait kesesuaian model. Anda akan memahami cara menggunakan Python statsmodels untuk analisis regresi dan mampu menerapkan keterampilan tersebut pada kumpulan data nyata.Prasyarat
Kurikulum
Garis besar kursus
1
Pembangunan Model Regresi Linear Sederhana
Anda akan mempelajari dasar-dasar model statistik populer ini, apa itu regresi, dan perbedaan antara regresi linear dan logistik. Anda kemudian akan belajar menyesuaikan model regresi linear sederhana dengan variabel penjelas numerik dan kategorikal, serta bagaimana mendeskripsikan hubungan antara variabel respons dan variabel penjelas menggunakan koefisien model.
- Kisah tentang dua variabel50 XP
- Manakah variabel responsnya?50 XP
- Memvisualisasikan dua variabel numerik100 XP
- Melatih regresi linear50 XP
- Perkirakan intersep50 XP
- Perkirakan kemiringan (slope)50 XP
- Regresi linear dengan ols()100 XP
- Variabel penjelas kategorikal50 XP
- Memvisualisasikan numerik vs. kategorikal100 XP
- Menghitung mean per kategori100 XP
- Regresi linear dengan variabel penjelas kategorikal100 XP
2
Prediksi dan objek model
Dalam bab ini, Anda akan mempelajari cara menggunakan model regresi linear untuk membuat prediksi atas harga rumah di Taiwan dan klik iklan Facebook. Anda juga akan mengasah keterampilan regresi saat berlatih dengan objek model, memahami konsep "regresi menuju rerata", dan mempelajari cara mentransformasikan variabel dalam sebuah himpunan data.
3
Menilai kecocokan model
Dalam bab ini, Anda akan belajar bagaimana mengajukan pertanyaan terhadap model Anda untuk menilai kecocokan. Anda akan mempelajari cara mengukur seberapa baik sebuah model regresi linear sesuai, mendiagnosis masalah model menggunakan visualisasi, serta memahami leverage dan pengaruh setiap observasi dalam membentuk model.
4
Pembangunan Model Regresi Logistik Sederhana
Pelajari cara menyesuaikan model regresi logistik. Dengan data dunia nyata, Anda akan memprediksi kemungkinan seorang nasabah menutup rekening banknya sebagai probabilitas keberhasilan dan odds, serta mengukur kinerja model menggunakan confusion matrix.
Pengantar Regresi dengan statsmodels di Python
Kursus
Selesai
