Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
La stima bayesiana offre un’alternativa flessibile alle tecniche di modellazione in cui le inferenze dipendono dai p-value. In questo corso imparerai a stimare modelli di regressione lineare usando metodi bayesiani e il pacchetto rstanarm. Sarai introdotto alle distribuzioni a priori, al controllo predittivo a posteriori del modello e al confronto tra modelli nel quadro bayesiano. Imparerai anche a usare il modello stimato per fare previsioni su nuovi dati.
Prerequisiti
Programma
Struttura del corso
1
Introduzione ai modelli lineari bayesiani
Ripasso della regressione frequentista con lm(), introduzione alla regressione bayesiana con stan_glm() e confronto dei rispettivi output.
- Regressione lineare non bayesiana50 XP
- Esplorare i dati100 XP
- Adattare una regressione lineare frequentista100 XP
- Regressione lineare bayesiana50 XP
- Adattare una regressione lineare bayesiana100 XP
- Criteri di convergenza50 XP
- Valutare la convergenza del modello50 XP
- Confrontare i metodi frequentisti e bayesiani50 XP
- Differenza tra frequentisti e bayesiani50 XP
- Creare intervalli credibili100 XP
2
Modificare un modello bayesiano
Scopri come modificare il tuo modello bayesiano, incluso il cambio del numero e della lunghezza delle catene, la modifica delle distribuzioni a priori e l’aggiunta di predittori.
3
Valutare l’adeguatezza del modello
In questo capitolo impareremo a capire se il modello stimato si adatta ai nostri dati e come confrontare modelli alternativi.
4
Presentare e usare una regressione bayesiana
In questo capitolo impareremo a usare il modello stimato per creare visualizzazioni del tuo modello e fare previsioni su nuovi dati.
R
Modellazione di regressione bayesiana con rstanarm
Corso
completato
