Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Regresja liniowa i regresja logistyczna to dwa najszerzej stosowane modele statystyczne – działają jak klucze główne, otwierające drzwi do wiedzy ukrytej w zbiorach danych. W tym kursie nauczysz się dopasowywać proste modele regresji liniowej i logistycznej. Dzięki praktycznym ćwiczeniom zbadasz zależności między zmiennymi w rzeczywistych zbiorach danych, obejmujących m.in. roszczenia z tytułu ubezpieczeń komunikacyjnych, ceny domów na Tajwanie, rozmiary ryb i wiele więcej. Pod koniec kursu będziesz potrafić tworzyć prognozy na podstawie danych, mierzyć jakość modelu i diagnozować problemy z jego dopasowaniem.
Wymagania wstępne
Program nauczania
Plan kursu
1
Prosta regresja liniowa
Poznasz podstawy tego popularnego modelu statystycznego – czym jest regresja i czym różnią się regresja liniowa od logistycznej. Następnie nauczysz się dopasowywać proste modele regresji liniowej z numerycznymi i kategorycznymi zmiennymi objaśniającymi oraz opisywać zależność między zmienną odpowiedzi a zmiennymi objaśniającymi za pomocą współczynników modelu.
- Dwie zmienne i ich historia50 XP
- Która zmienna jest zmienną odpowiedzi?50 XP
- Wizualizacja dwóch zmiennych100 XP
- Dopasowywanie regresji liniowej50 XP
- Oszacuj wyraz wolny50 XP
- Oszacuj nachylenie50 XP
- Regresja liniowa z lm()100 XP
- Kategoryczne zmienne objaśniające50 XP
- Wizualizacja zmiennej numerycznej i kategorycznej100 XP
- Obliczanie średnich według kategorii100 XP
- lm() z kategoryczną zmienną objaśniającą100 XP
2
Prognozy i obiekty modeli
W tym rozdziale odkryjesz, jak używać modeli regresji liniowej do tworzenia prognoz dotyczących cen domów na Tajwanie i kliknięć reklam na Facebooku. Rozwiniesz też swoje umiejętności w zakresie regresji – poznasz obiekty modeli, zrozumiesz koncepcję „regresji do średniej" i nauczysz się przekształcać zmienne w zbiorze danych.
3
Ocena dopasowania modelu
W tym rozdziale nauczysz się oceniać dopasowanie modelu. Dowiesz się, jak mierzyć jakość dopasowania modelu regresji liniowej, diagnozować problemy z modelem za pomocą wizualizacji oraz rozumieć dźwignię i wpływ poszczególnych obserwacji użytych do jego budowy.
4
Prosta regresja logistyczna
Naucz się dopasowywać modele regresji logistycznej. Korzystając z rzeczywistych danych, będziesz przewidywać prawdopodobieństwo zamknięcia konta bankowego przez klienta – w postaci prawdopodobieństw sukcesu i ilorazów szans – oraz mierzyć jakość modelu za pomocą macierzy pomyłek.
R
Wprowadzenie do regresji w R
Kurs
ukończony
