Corso
Introduzione alla regressione con statsmodels in Python
IntermedioLivello di competenza
Aggiornato 03/2026Inizia Il Corso Gratis
Incluso conPremium or Team
PythonProbability & Statistics4 h14 video53 Esercizi4,150 XP58,140Attestato di conseguimento
Crea il tuo account gratuito
o
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.Preferito dagli studenti di migliaia di aziende
Vuoi formare 2 o più persone?
Prova DataCamp for BusinessDescrizione del corso
Usa Python statsmodels per la regressione lineare e logistica
La regressione lineare e la regressione logistica sono due dei modelli statistici più usati. Funzionano come chiavi universali, svelando i segreti nascosti nei tuoi dati. In questo corso imparerai come fare semplici regressioni lineari e logistiche.Attraverso esercizi pratici, esplorerai le relazioni tra le variabili in set di dati reali, tra cui richieste di risarcimento per assicurazioni auto, prezzi delle case a Taiwan, dimensioni dei pesci e altro ancora.
Scopri come fare previsioni e valutare l'adeguatezza dei modelli
Inizierai questo corso di 4 ore scoprendo cos'è la regressione e come si differenziano la regressione lineare e quella logistica, imparando come applicarle entrambe. Poi, imparerai come usare i modelli di regressione lineare per fare previsioni sui dati e capire gli oggetti del modello.Man mano che vai avanti, imparerai a capire quanto il tuo modello è adatto e quanto il tuo modello di regressione lineare funziona bene. Infine, approfondirai i modelli di regressione logistica per fare previsioni su dati reali.
Impara le basi dell'analisi di regressione in Python
Alla fine di questo corso, saprai come fare previsioni dai tuoi dati, capire quanto va bene un modello e individuare i problemi con l'adattamento del modello. Capirai come usare Python statsmodels per l'analisi di regressione e potrai mettere in pratica queste competenze su set di dati reali.Prerequisiti
Introduction to Data Visualization with SeabornIntroduction to Statistics in Python1
Simple Linear Regression Modeling
You’ll learn the basics of this popular statistical model, what regression is, and how linear and logistic regressions differ. You’ll then learn how to fit simple linear regression models with numeric and categorical explanatory variables, and how to describe the relationship between the response and explanatory variables using model coefficients.
2
Predictions and model objects
In this chapter, you’ll discover how to use linear regression models to make predictions on Taiwanese house prices and Facebook advert clicks. You’ll also grow your regression skills as you get hands-on with model objects, understand the concept of "regression to the mean", and learn how to transform variables in a dataset.
3
Assessing model fit
In this chapter, you’ll learn how to ask questions of your model to assess fit. You’ll learn how to quantify how well a linear regression model fits, diagnose model problems using visualizations, and understand each observation's leverage and influence to create the model.
4
Simple Logistic Regression Modeling
Learn to fit logistic regression models. Using real-world data, you’ll predict the likelihood of a customer closing their bank account as probabilities of success and odds, and quantify model performance using confusion matrices.
Introduzione alla regressione con statsmodels in Python
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performance
Incluso conPremium or Team
Iscriviti OraUnisciti a oltre 19 milioni di studenti e inizia Introduzione alla regressione con statsmodels in Python oggi!
Crea il tuo account gratuito
o
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.