Ga naar hoofdinhoud
HomePython

Cursus

Generalized Linear Models in Python

GevorderdVaardigheidsniveau
Bijgewerkt 10-2022
Breid je regressietoolbox uit met de logistieke en Poisson-modellen en leer hoe je ze kunt trainen, begrijpen en valideren, en hoe je voorspellingen kunt doen.
Start Cursus Kosteloos
PythonProbability & Statistics
5 u
16 videos
59 Opdrachten
4,950 XP
11,907
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Stel je voor dat je kunt werken met data waarbij de responsvariabele binair, een telling of ongeveer normaal verdeeld is — allemaal binnen één kader. Dat hoef je je niet meer voor te stellen. Maak kennis met de cursus Generalized Linear Models in Python! In deze cursus breid je je regressietoolbox uit met logistische en Poisson-modellen. Je leert hoe je een model fit, begrijpt, de modelprestatie beoordeelt en het model uiteindelijk gebruikt om voorspellingen te doen op nieuwe data. Je oefent met data uit echte studies, zoals de grootste massavergiftiging uit de wereldgeschiedenis, het nestelen van de Atlantische haastkrab en het tellen van fietsers op de bruggen in New York City.

Vereisten

Introduction to Linear Modeling in Python
1

Introductie tot GLM's

Herhaal lineaire modellen en leer hoe GLM's een uitbreiding zijn op het lineaire model voor verschillende typen responsvariabelen. Je leert ook de bouwstenen van GLM's en het technische proces van het fitten van een GLM in Python.
Hoofdstuk beginnen
2

Binaire data modelleren

Dit hoofdstuk richt zich op logistische regressie. Je leert over de structuur van binaire data, de logit-koppeling, het fitten van modellen, en hoe je modelcoëfficiënten interpreteert, inferentie uitvoert en de modelprestatie beoordeelt.
Hoofdstuk beginnen
3

Tellingen modelleren

Hier leer je over Poisson-regressie, inclusief de bespreking van teldata, de Poissonverdeling en de interpretatie van de modelfit. Je leert ook hoe je omgaat met overdispersie. Tot slot ga je praktisch aan de slag met het visualiseren van modellen.
Hoofdstuk beginnen
4

Multivariabele logistische regressie

In dit laatste hoofdstuk leer je de complexiteit van je model te verhogen door meer dan één verklarende variabele toe te voegen. Je oefent met het probleem van multicollineariteit en met het opnemen van categorische en interactietermen in je model.
Hoofdstuk beginnen
Generalized Linear Models in Python
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Generalized Linear Models in Python!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play