After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
W tym kursie nauczysz się budować model regresji logistycznej z użyciem znaczących zmiennych. Dowiesz się również, jak wykorzystać ten model do prognozowania oraz jak przedstawić go i jego wyniki interesariuszom biznesowym.
Wymagania wstępne
Program kursu
Plan kursu
1
Budowanie modeli regresji logistycznej
W tym rozdziale poznasz podstawy regresji logistycznej: jak przewidywać binarny cel za pomocą zmiennych ciągłych, jak interpretować ten model oraz jak używać go do tworzenia prognoz dla nowych przykładów.
- Wprowadzenie i struktura tabeli bazowej50 XP
- Struktura tabeli bazowej50 XP
- Eksploracja tabeli bazowej100 XP
- Eksploracja zmiennych predykcyjnych100 XP
- Regresja logistyczna50 XP
- Interpretacja współczynników50 XP
- Budowanie modelu regresji logistycznej100 XP
- Wyświetlanie współczynników i wyrazu wolnego100 XP
- Wykorzystanie modelu regresji logistycznej50 XP
- Tworzenie przewidywań100 XP
- Darczyńca z największym prawdopodobieństwem wpłaty100 XP
2
Krokowa selekcja zmiennych do przodu dla regresji logistycznej
W tym rozdziale dowiesz się, dlaczego selekcja zmiennych jest kluczowa dla budowania użytecznego modelu. Nauczysz się też, jak zaimplementować krokową selekcję zmiennych do przodu dla regresji logistycznej oraz jak zdecydować, ile zmiennych uwzględnić w modelu końcowym.
3
Prezentowanie wydajności modelu w kontekście biznesowym
Teraz, gdy wiesz już, jak zbudować dobry model, czas przekonać interesariuszy do jego zastosowania – za pomocą odpowiednich wykresów. Nauczysz się konstruować i interpretować krzywą skumulowanych zysków oraz wykres dźwigni.
4
Interpretacja i wyjaśnianie modeli
W kontekście biznesowym często ważne jest wyjaśnienie intuicji stojącej za zbudowanym modelem. Jeśli model i jego zmienne nie są zrozumiałe, może on nie zostać wdrożony. W tym rozdziale nauczysz się objaśniać zależności między zmiennymi w modelu a celem – przy użyciu wykresów wglądu w predyktory.
Wprowadzenie do analizy predykcyjnej w Pythonie
Kurs
ukończony
