After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
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統計モデルの2つで、データセットに隠れたパターンを読み解く万能鍵のような存在です。本コースでは、シンプルな線形回帰とロジスティック回帰を当てはめるためのスキルを身につけます。実践的な演習を通して、自動車保険の請求、台湾の住宅価格、魚のサイズなど、実データに含まれる変数同士の関係を探ります。コースの終わりには、データから予測を行い、モデルの性能を定量化し、当てはまりの問題を診断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
単回帰（シンプル線形回帰）
この広く使われる統計モデルの基本、回帰とは何か、そして線形回帰とロジスティック回帰の違いを学びます。続いて、数値変数とカテゴリ変数を説明変数に用いたシンプルな線形回帰モデルの当てはめ方を学び、モデル係数を使って応答変数と説明変数の関係をどのように表すかを理解します。
2
予測とモデルオブジェクト
この章では、線形回帰モデルを使って台湾の住宅価格やFacebook広告のクリック数を予測する方法を学びます。さらに、モデルオブジェクトを実際に扱いながらスキルを磨き、「平均への回帰」という概念を理解し、データセット内の変数を変換する方法も学びます。
3
モデルの当てはまりを評価する
この章では、モデルに問いかけることで当てはまりを評価する方法を学びます。線形回帰モデルがどれだけよく当てはまっているかを定量化し、可視化を使ってモデルの問題を診断し、モデル作成に用いた各観測値のレバレッジと影響度を理解します。
4
シンプル・ロジスティック回帰
ロジスティック回帰モデルの当てはめ方を学びます。実データを用いて、顧客が銀行口座を解約する可能性を成功確率やオッズ比として予測し、混同行列を用いてモデル性能を定量化します。
R
Rで学ぶ回帰入門
コース修了
