Build your ultimate AI agent
코스 설명
Linear regression과 logistic regression은 가장 널리 쓰이는 통계 모델로, 데이터셋에 숨겨진 패턴을 밝혀내는 만능 열쇠와 같습니다. 이 강의에서는 "Introduction to Regression in Python with statsmodels"에서 익힌 내용을 바탕으로, 여러 개의 설명 변수를 사용하는 선형 회귀와 로지스틱 회귀를 다룹니다. 실습을 통해 대만 주택 가격, 고객 이탈 모델링 등 실제 데이터셋에서 변수 간 관계를 탐색해 보세요. 강의를 마치면 하나의 모델에 여러 설명 변수를 포함하는 방법, 변수 간 상호작용이 예측에 미치는 영향, 그리고 선형 및 로지스틱 회귀가 작동하는 원리를 이해하게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
평행 기울기
하나의 수치형 변수와 하나의 범주형 변수를 사용하는 평행 기울기 회귀로 선형 회귀 실력을 확장해 보세요. 이는 다중 선형 회귀를 정복하기 위한 첫걸음입니다.
2
상호작용
설명 변수들 사이의 상호작용 효과를 살펴봅니다. 상호작용을 고려하면 더 현실적이고 예측력이 높은 모델을 만들 수 있어요. 또한 여러 설명 변수가 있을 때 나타나는 비직관적 현상인 심슨의 역설도 다룹니다.
3
다중 선형 회귀
모형화와 선형 회귀를 통해 두 개보다 많은 설명 변수를 손쉽게 다루는 방법을 배웁니다. 선형 회귀 모형 적합에 숙달한 뒤에는 직접 선형 회귀 알고리즘을 구현해 볼 거예요.
4
다중 로지스틱 회귀
로지스틱 회귀를 여러 설명 변수로 확장해 봅니다. 또한 이 회귀를 뒷받침하는 logistic distribution에 대해 학습한 뒤, 직접 로지스틱 회귀 알고리즘을 구현해 봅니다.
Python의 statsmodels로 배우는 중급 회귀
코스
완료
