Przejdź do głównej treści

course

Uogólnione modele liniowe w R

Średnio zaawansowanyPoziom umiejętności

Zaktualizowano 08.2024

Kurs Generalized Linear Model rozszerza zestaw narzędzi regresji o regresję logistyczną i Poissona.

Rozpocznij Kurs Za Darmo

RProbability & Statistics

4 godz.

14 videos

51 Exercises

4,050 PD

21,715

Oświadczenie o ukończeniu

Uwielbiane przez uczących się w tysiącach firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Regresja liniowa to podstawowe narzędzie statystyki, jednak nie radzi sobie z niektórymi typami złożonych danych. Uogólniony model liniowy (GLM) rozszerza regresję liniową o rozkłady inne niż normalny, w tym rozkład dwumianowy i dane zliczeniowe. W trakcie kursu wzbogacisz swój warsztat data science o GLM w R. Nauczysz się dopasowywać modele do danych dwumianowych za pomocą regresji logistycznej oraz do danych zliczeniowych za pomocą regresji Poissona. Dowiesz się również, jak interpretować wyniki tych modeli i wizualizować je przy użyciu ggplot2.

Wymagania wstępne

Intermediate Regression in R

1

GLMs, an extension of your regression toolbox

This chapter teaches you how generalized linear models are an extension of other models in your data science toolbox. The chapter also uses Poisson regression to introduce generalize linear models.

Limitations of linear models

Assumptions of linear models

Refresher on fitting linear models

Poisson regression

Fitting a Poisson regression in R

Comparing linear and Poisson regression

Intercepts-comparisons versus means

Basic lm() functions with glm()

Applying summary(), print(), and tidy() to glm

Extracting coefficients from glm()

Predicting with glm()

Rozpocznij Rozdział

2

Logistic Regression

This chapter covers running a logistic regression and examining the model outputs.

Overview of logistic regression

Fitting a logistic regression

Examining & interpreting logistic regression outputs

Bernoulli versus binomial distribution

Bernoulli versus binomial

Simulating binary data

Long-form logistic regression input

Wide-form input logistic regression

Comparing logistic regression outputs

Link functions-Probit compared to logit

Probit versus logit

Fitting probits and logits

Simulating a logit

Simulating a probit

Rozpocznij Rozdział

3

Interpreting and visualizing GLMs

This chapter teaches you about interpreting GLM coefficients and plotting GLMs using ggplot2.

Poisson regression coefficients

Poisson link

lm vs. Poisson coefficients

Plotting Poisson regression

Poisson regression plotting

Understanding output from logistic regression

Understanding odds ratios

Extracting and interpreting odds-ratios

Odds-ratios & confidence intervals in the Tidyverse

ggplot2 and binomial regression

Default trend lines

Methods for trend lines

Comparing probits and logits

Rozpocznij Rozdział

4

Multiple regression with GLMs

In this chapter, you will learn how to do multiple regression with GLMs in R.

Multiple logistic regression

Fitting a multiple logistic regression

Building two models

Comparing regression outputs

Comparing variable order

Formulas in R

Multiple slopes

Multiple intercepts

Assumptions of multiple logistic regression

Simpson's paradox

Non-linear logistic regression

Rozpocznij Rozdział

Uogólnione modele liniowe w R

Ukończono
kurs

Zdobądź Certyfikat Ukończenia

Dodaj ten certyfikat do swojego profilu na LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i w swojej ocenie okresowejZapisz Się Teraz

Dołącz do ponad 19 milionów osób uczących się i zacznij Uogólnione modele liniowe w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.