Pular para o conteúdo principal

Curso

Modelos Lineares Generalizados em Python

AvançadoNível de habilidade

Atualizado 10/2022

Amplie sua caixa de ferramentas de regressão com os modelos logístico e de Poisson e aprenda a treiná-los, entendê-los e validá-los, além de fazer previsões.

Iniciar curso gratuitamente

PythonProbability & Statistics

5 h

16 vídeos

59 Exercícios

4,950 XP

11,905

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Imagine poder trabalhar com dados em que a variável resposta é binária, de contagem ou aproximadamente normal, tudo dentro de um único framework. Pois é, você não precisa imaginar. Bem-vindo ao curso de Modelos Lineares Generalizados em Python! Neste curso, você vai ampliar sua caixa de ferramentas de regressão com os modelos logístico e de Poisson, aprendendo a ajustar, interpretar, avaliar o desempenho do modelo e, por fim, usar o modelo para fazer previsões em novos dados. Você vai praticar com dados de estudos do mundo real, como o maior envenenamento populacional da história, a nidificação de caranguejos-ferradura e a contagem de ciclistas nas pontes de Nova York.

Pré-requisitos

Introduction to Linear Modeling in Python

1

Introdução aos GLMs

Revise modelos lineares e aprenda como GLMs são uma extensão do modelo linear para diferentes tipos de variáveis resposta. Você também vai aprender os blocos de construção dos GLMs e o processo técnico de ajuste de um GLM em Python.

Indo além da regressão linear

Aplicando modelos lineares

Modelo linear, um caso especial de GLM

Como construir um GLM?

Tipo de dado e família de distribuição

Modelo linear e uma variável resposta binária

Comparando valores previstos

Como ajustar um GLM em Python?

Ajuste de modelo passo a passo

Resultados do ajuste do modelo usando summary()

Extraindo estimativas de parâmetros

Iniciar capítulo

2

Modelagem de Dados Binários

Este capítulo foca na regressão logística. Você vai aprender sobre a estrutura de dados binários, a função de ligação logit, o ajuste do modelo, além de como interpretar os coeficientes, fazer inferência e avaliar o desempenho do modelo.

Dados binários e regressão logística

Calcular odds e probabilidades

Ajustar regressão logística

Interpretando coeficientes

Coeficientes em termos de odds

Fórmula do modelo

Interpretando o modelo logístico

Taxa de variação na probabilidade

Interpretando a inferência do modelo

Significância estatística

Calculando a estatística de Wald

Intervalos de confiança

Calculando e descrevendo previsões

Visualize o ajuste do modelo usando regplot()

Calcular previsões

Calcular a matriz de confusão

Iniciar capítulo

3

Modelagem de Dados de Contagem

Aqui você vai aprender sobre regressão de Poisson, incluindo a discussão sobre dados de contagem, a distribuição de Poisson e a interpretação do ajuste do modelo. Você também vai aprender a contornar problemas de sobredispersão. Por fim, você terá prática com o processo de visualização de modelos.

Dados de contagem e distribuição de Poisson

Visualize a variável resposta

Ajustando uma regressão de Poisson

Interpretando o ajuste do modelo

Estimar o parâmetro lambda

Interpretar coeficientes de Poisson

Intervalos de confiança de Poisson

O problema da superdispersão

A média é igual à variância?

Calculando o número esperado de contagens

Verificando sobredispersão

Ajustando binomial negativa

Intervalos de confiança para o modelo Binomial Negativa

Plotando um modelo de regressão

Plotando dados e ajuste de modelo linear

Plotando valores ajustados

Iniciar capítulo

4

Regressão Logística Multivariável

No capítulo final, você vai aprender a aumentar a complexidade do seu modelo adicionando mais de uma variável explicativa. Você vai praticar com o problema de multicolinearidade e com o tratamento de variáveis categóricas e termos de interação no seu modelo.

Regressão logística multivariável

Ajuste uma regressão logística multivariável

O efeito da multicolinearidade

Calcular o VIF

Comparando modelos

Verificando o ajuste do modelo

Compare dois modelos

Deviance e transformação linear

Fórmula do modelo

Matriz do modelo para variáveis contínuas

Transformação de variável

Codificando variáveis categóricas

Termos categóricos e de interação

Modelagem com variável categórica

Termos de interação

Iniciar capítulo

Modelos Lineares Generalizados em Python

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Modelos Lineares Generalizados em Python hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.