Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Lineaire regressie is een werkpaard binnen de statistiek, maar kan sommige soorten complexe data niet aan. Een generalized linear model (GLM) breidt lineaire regressie uit met niet-normale verdelingen, waaronder binomiale en teldata. In deze cursus breid je je data science-gereedschapskist uit met GLM’s in R. Je leert binomiale data te modelleren met logistische regressie en teldata met Poisson-regressie. Ook leer je hoe je deze resultaten interpreteert en visualiseert met ggplot2.
Vereisten
Lesprogramma
Cursusoverzicht
1
GLM’s: een uitbreiding van je regressie-gereedschapskist
In dit hoofdstuk leer je hoe generalized linear models een uitbreiding vormen op andere modellen in je data science-gereedschapskist. Het hoofdstuk gebruikt ook Poisson-regressie om generalized linear models te introduceren.
- Beperkingen van lineaire modellen50 XP
- Aannames van lineaire modellen50 XP
- Opfrissing: lineaire modellen fitten100 XP
- Poisson-regressie50 XP
- Een Poisson-regressie fitten in R100 XP
- Lineaire regressie en Poisson-regressie vergelijken100 XP
- Intercepten: vergelijkingen versus gemiddelden100 XP
- Basisfuncties van lm() met glm()50 XP
- summary(), print() en tidy() toepassen op glm100 XP
- Coefficiënten uit glm() halen100 XP
- Voorspellen met glm()100 XP
2
Logistische regressie
Dit hoofdstuk gaat over het uitvoeren van een logistische regressie en het bekijken van de modelresultaten.
3
GLM’s interpreteren en visualiseren
In dit hoofdstuk leer je GLM-coëfficiënten te interpreteren en GLM’s te plotten met ggplot2.
4
Meervoudige regressie met GLM’s
In dit hoofdstuk leer je hoe je meervoudige regressie met GLM’s in R uitvoert.
R
Generalized Linear Models in R
Cursus
voltooid
