After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
La regressione lineare e la regressione logistica sono i due modelli statistici più usati e funzionano come chiavi maestre che svelano i segreti nascosti negli insiemi di dati. In questo corso imparerai a adattare semplici regressioni lineari e logistiche. Con esercizi pratici, esplorerai le relazioni tra variabili in insiemi di dati reali, tra cui richieste di risarcimento assicurativo auto, prezzi delle case a Taiwan, dimensioni dei pesci e altro ancora. Al termine del corso saprai come fare previsioni a partire dai tuoi dati, quantificare le prestazioni del modello e diagnosticare problemi di adattamento del modello.
Prerequisiti
Curriculum
Programma del corso
1
Regressione lineare semplice
Imparerai le basi di questo popolare modello statistico, cos’è la regressione e in cosa differiscono regressione lineare e logistica. Vedrai poi come adattare modelli di regressione lineare semplice con variabili esplicative numeriche e categoriche e come descrivere la relazione tra variabile risposta ed esplicative usando i coefficienti del modello.
- Una storia di due variabili50 XP
- Qual è la variabile di risposta?50 XP
- Visualizzare due variabili100 XP
- Adattare una regressione lineare50 XP
- Stima l'intercetta50 XP
- Stima la pendenza50 XP
- Regressione lineare con lm()100 XP
- Variabili esplicative categoriche50 XP
- Visualizzare numerico vs. categorico100 XP
- Calcolare le medie per categoria100 XP
- lm() con una variabile esplicativa categorica100 XP
2
Previsioni e oggetti modello
In questo capitolo scoprirai come usare modelli di regressione lineare per fare previsioni sui prezzi delle case a Taiwan e sui clic degli annunci Facebook. Farai anche un passo avanti con le competenze di regressione lavorando con gli oggetti modello, capendo il concetto di “regressione verso la media” e imparando a trasformare le variabili in un insieme di dati.
3
Valutare l’adattamento del modello
In questo capitolo imparerai come interrogare il tuo modello per valutarne l’adattamento. Imparerai a quantificare quanto bene si adatta un modello di regressione lineare, a diagnosticare problemi del modello usando visualizzazioni e a comprendere la leva e l’influenza di ciascuna osservazione usata per creare il modello.
4
Regressione logistica semplice
Impara ad adattare modelli di regressione logistica. Usando dati reali, prevederai la probabilità che un cliente chiuda il proprio conto bancario come probabilità di successo e odds ratio, e quantificherai le prestazioni del modello usando matrici di confusione.
R
Introduzione alla regressione in R
Corso
completato
