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
線形回帰とロジスティック回帰は、最も広く使われている2つの統計モデルであり、データセットに隠された秘密を解き明かすマスターキーのような存在です。このコースでは、「Python と statsmodels で学ぶ Regression 入門」で身につけたスキルをベースに、複数の説明変数を使った線形回帰とロジスティック回帰について学びます。台湾の住宅価格や顧客離反モデリングなど、実際のデータセットにおける変数間の関係をハンズオン形式の演習で探っていきます。このコースを修了する頃には、モデルに複数の説明変数を組み込む方法、変数間の交互作用が予測にどう影響するか、そして線形回帰とロジスティック回帰の仕組みを理解できるようになります。
前提条件
カリキュラム
コース概要
1
平行な傾き
数値型の説明変数と カテゴリ型の説明変数を1つずつ使う平行傾き回帰へと、線形回帰のスキルを広げましょう。これは重回帰分析を攻略するための最初のステップです。
2
交互作用
説明変数同士の交互作用がもたらす効果を探っていきます。交互作用を考慮することで、より現実に即した、予測力の高いモデルを作れるようになります。また、複数の説明変数がある場合に生じる直感に反した結果、シンプソンのパラドックスについても扱います。
3
重回帰分析
モデリングと線形回帰を使うことで、3つ以上の説明変数をどれだけ簡単に扱えるかを見ていきます。線形回帰モデルの当てはめをマスターしたら、自分自身で線形回帰アルゴリズムを実装してみましょう。
4
多重ロジスティック回帰
複数の説明変数を使うロジスティック回帰へと、スキルを広げましょう。このタイプの回帰の基盤となるロジスティック分布についても学んだ上で、自分自身でロジスティック回帰アルゴリズムを実装します。
statsmodels を使った中級 Regression
コース修了
