これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
応答変数が二値・カウント・おおよそ正規分布といった異なるタイプでも、ひとつの枠組みで扱えるとしたらどうでしょうか。実は、それが現実に可能です。本コース「Generalized Linear Models in Python」では、ロジスティック回帰とPoisson回帰を学び、モデルの当てはめ方、理解の仕方、性能評価、そして新しいデータへの予測までを身につけます。世界最大規模の集団中毒事例、ヒラツメガニの営巣、ニューヨーク市の橋の自転車通行量カウントなど、実世界の研究データを使って実践します。
前提条件
カリキュラム
コース概要
1
GLM入門
線形モデルを復習し、GLMがさまざまなタイプの応答変数に対応するために線形モデルを拡張した枠組みであることを学びます。さらに、GLMの構成要素と、PythonでGLMを当てはめる手順も身につけます。
2
二値データのモデリング
この章ではロジスティック回帰に焦点を当てます。二値データの構造、ロジットリンク関数、モデルの当てはめ、係数の解釈、推論、そしてモデル性能の評価方法を学びます。
3
カウントデータのモデリング
この章ではPoisson回帰を学びます。カウントデータの特徴、Poisson分布、モデル当てはめの解釈を扱います。過分散への対処法も学び、最後にモデル可視化のプロセスを実践します。
4
多変量ロジスティック回帰
最終章では、1つ以上の説明変数を追加してモデルの複雑さを高める方法を学びます。多重共線性への対応、カテゴリ変数や交互作用項の扱いについても演習します。
Pythonで学ぶ一般化線形モデル
コース修了
