50% off DataCamp Premium. 700+ courses, half price. Start learning today.
Cursusbeschrijving
Lineaire regressie en logistische regressie zijn de twee meest gebruikte statistische modellen en werken als loper-sleutels die de geheimen in gegevenssets ontsluiten. Deze cursus bouwt voort op de vaardigheden uit "Introduction to Regression in R" en behandelt lineaire en logistische regressie met meerdere verklarende variabelen. Met praktische oefeningen onderzoek je relaties tussen variabelen in echte gegevenssets, zoals huizenprijzen in Taiwan en klantverloopmodellering, en meer. Aan het einde van deze cursus weet je hoe je meerdere verklarende variabelen in een model opneemt, begrijp je hoe interacties tussen variabelen voorspellingen beïnvloeden, en begrijp je hoe lineaire en logistische regressie werken.
Vereisten
Lesprogramma
Cursusoverzicht
1
Parallelle hellingen
Breid je vaardigheden in lineaire regressie uit naar regressie met "parallelle hellingen", met één numerieke en één categorische verklarende variabele. Dit is de eerste stap richting het beheersen van meervoudige lineaire regressie.
- Lineaire regressie met parallelle hellingen50 XP
- Een lineaire regressie met parallelle hellingen fitten100 XP
- Coefficiënten van parallelle hellingen interpreteren100 XP
- Elke verklarende variabele visualiseren100 XP
- Parallelslope visualiseren100 XP
- Parallelle hellingen voorspellen50 XP
- Voorspellen met een parallelle hellingen-model100 XP
- Voorspellingen handmatig berekenen100 XP
- Modelprestaties beoordelen50 XP
- Determinatiecoëfficiënten vergelijken100 XP
- Residuele standaardfout vergelijken100 XP
2
Interacties
Onderzoek het effect van interacties tussen verklarende variabelen. Door interacties mee te nemen, maak je realistischere modellen met vaak betere voorspellende kracht. Je behandelt ook de Paradox van Simpson: een niet‑intuïtief resultaat dat kan optreden bij meerdere verklarende variabelen.
3
Meervoudige lineaire regressie
Zie hoe modelleren — en lineaire regressie in het bijzonder — het eenvoudig maakt om met meer dan twee verklarende variabelen te werken. Zodra je het fitten van lineaire regressiemodellen beheerst, implementeer je je eigen lineaire regressie-algoritme.
4
Meervoudige logistische regressie
Breid je vaardigheden in logistische regressie uit naar meerdere verklarende variabelen. Begrijp de logistische verdeling, de basis van deze regressievorm. Tot slot implementeer je je eigen logistische regressie-algoritme.
R
Intermediary Regression in R
Cursus
voltooid
