After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
このコースでは、データを用いたモデリングを学びます。モデルは、関心のある目的変数と一連の説明変数／予測変数との関係を捉えようとするものです。こうしたモデルは、たとえば「教授の年齢を知ることで、授業評価スコアの説明に役立ちますか？」といった説明目的や、「家の広さや状態から価格をどの程度予測できますか？」といった予測目的のどちらにも使えます。皆さんは tidyverse のスキルを活かして、このようなモデルを構築し、解釈していきます。本コースでは、最も一般的で理解しやすい手法のひとつである線形回帰を中心に学びます。こうしたモデリングとその考え方は、統計学、因果推論、Machine Learning、人工知能など幅広い分野で用いられています。
前提条件
カリキュラム
コース概要
1
モデリング入門
この章では、モデリングの背景となる理論や用語、特に一般的なモデリングの枠組み、説明を目的としたモデリングと予測を目的としたモデリングの違い、そしてモデリングにおける課題について紹介します。さらに、どのような形式的なモデリングにも先立って不可欠な、最初のステップである探索的データ分析に取り組み始めます。
2
基本的な回帰によるモデリング
一般的なモデリングの枠組みを理解したうえで、この章では基本的な線形回帰を扱います。ここでは、結果変数 y を単一の説明／予測変数 x の関数としてシンプルにモデル化します。x には数値変数とカテゴリ変数の両方を用います。この章で扱う目的変数は、University of Texas, Austin における教員の授業評価スコアです。
3
重回帰によるモデリング
前の章では、単一の数値またはカテゴリの予測変数を使った基本的な回帰を学びました。しかし、説明や予測に使う変数を1つに限定する必要はありません。ここからは基本的な回帰を重回帰へと拡張し、1つ以上の説明変数／予測変数をモデルに組み込めるようにします。Seattle, WA 大都市圏の住宅データセットを用いて、住宅価格をモデリングします。
4
モデルの評価と選択
これまでの章では、関心のある結果変数を説明または予測するために、さまざまなモデルを当てはめてきました。では、どのモデルを選べばよいのでしょうか。モデル評価指標を用いると、説明モデルがデータにどれだけ「適合」しているか、または予測モデルがどれだけ正確かを評価できます。これらの指標に基づき、どのモデルが「最適」かを判断する基準について学びます。
R
tidyverse で学ぶモデリング
コース修了
