After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
Linear regression과 logistic regression은 가장 널리 쓰이는 통계 모델 두 가지로, 데이터셋에 숨겨진 패턴을 여는 만능 열쇠와 같습니다. 이 강의에서는 단순 선형 회귀와 로지스틱 회귀를 적합하는 데 필요한 핵심 기술을 익히게 돼요. 실습을 통해 자동차 보험 청구, 대만 주택 가격, 물고기 크기 등 실제 데이터에서 변수 간의 관계를 탐색합니다. 강의를 마치면 데이터로부터 예측을 수행하고, 모델 성능을 정량화하며, 적합된 모델의 문제를 진단하는 방법을 알게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
단순 선형 회귀
이 인기 있는 통계 모델의 기초, 회귀의 개념, 그리고 선형 회귀와 로지스틱 회귀의 차이를 배웁니다. 이어서 수치형과 범주형 설명 변수를 사용해 단순 선형 회귀 모델을 적합하고, 모델 계수를 활용해 반응 변수와 설명 변수 간의 관계를 해석하는 방법을 익힙니다.
2
예측과 모델 객체
이 장에서는 선형 회귀 모델로 대만 주택 가격과 Facebook 광고 클릭을 예측하는 방법을 알아봅니다. 또한 모델 객체를 직접 다루며 회귀 역량을 확장하고, "평균으로의 회귀" 개념을 이해하며, 데이터셋의 변수를 변환하는 방법을 배웁니다.
3
모델 적합도 평가
이 장에서는 모델에 질문을 던져 적합도를 평가하는 법을 배웁니다. 선형 회귀 모델이 데이터를 얼마나 잘 설명하는지 정량화하고, 시각화를 통해 모델의 문제를 진단하며, 모델을 만드는 데 사용된 각 관측치의 레버리지와 영향력을 이해합니다.
4
단순 로지스틱 회귀
로지스틱 회귀 모델을 적합하는 방법을 배웁니다. 실제 데이터를 사용해 고객의 은행 계좌 해지 가능성을 성공 확률과 odds ratio로 예측하고, 혼동 행렬로 모델 성능을 정량화합니다.
R
R로 시작하는 회귀 분석
코스
완료
