Build your ultimate AI agent
Descrizione del corso
La regressione lineare e la regressione logistica sono i due modelli statistici più usati e funzionano come chiavi maestre, capaci di svelare i segreti nascosti negli insiemi di dati. Questo corso sviluppa le competenze acquisite in "Introduzione alla regressione in R", approfondendo la regressione lineare e logistica con più variabili esplicative. Con esercizi pratici, esplorerai le relazioni tra variabili in insiemi di dati reali, come i prezzi delle case a Taiwan e il modeling del churn dei clienti, e altro ancora. Alla fine del corso, saprai includere più variabili esplicative in un modello, capire come le interazioni tra variabili influenzano le previsioni e comprendere a fondo come funzionano la regressione lineare e quella logistica.
Prerequisiti
Curriculum
Programma del corso
1
Pendenze parallele
Estendi le tue competenze di regressione lineare alla regressione a "pendenze parallele", con una variabile esplicativa numerica e una categorica. È il primo passo per padroneggiare la regressione lineare multipla.
- Regressione lineare a pendenze parallele50 XP
- Adattare una regressione lineare a pendenze parallele100 XP
- Interpretare i coefficienti delle pendenze parallele100 XP
- Visualizzare ciascuna variabile esplicativa100 XP
- Visualizzare le pendenze parallele100 XP
- Prevedere le pendenze parallele50 XP
- Previsioni con un modello a pendenze parallele100 XP
- Calcolare manualmente le previsioni100 XP
- Valutare le prestazioni del modello50 XP
- Confrontare i coefficienti di determinazione100 XP
- Confrontare l'errore standard residuo100 XP
2
Interazioni
Esplora l'effetto delle interazioni tra variabili esplicative. Considerare le interazioni consente modelli più realistici, con un potere predittivo migliore. Affronterai anche il Paradosso di Simpson: un risultato non intuitivo che emerge quando hai più variabili esplicative.
3
Regressione lineare multipla
Scopri come la modellazione, e la regressione lineare in particolare, rende semplice lavorare con più di due variabili esplicative. Una volta che avrai padroneggiato il fitting dei modelli di regressione lineare, potrai implementare il tuo algoritmo di regressione lineare.
4
Regressione logistica multipla
Estendi le tue competenze di regressione logistica a più variabili esplicative. Comprendi la distribuzione logistica, alla base di questa forma di regressione. Infine, implementa il tuo algoritmo di regressione logistica.
R
Regressione intermedia in R
Corso
completato
