Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
A regressão linear e a regressão logística são os dois modelos estatísticos mais usados e funcionam como chaves mestras, desvendando os segredos ocultos nos conjuntos de dados. Este curso se baseia nas habilidades que você adquiriu em "Introduction to Regression in R", abrangendo regressão linear e logística com múltiplas variáveis explicativas. Por meio de exercícios práticos, você explorará as relações entre variáveis em conjuntos de dados do mundo real, preços de casas em Taiwan e modelagem de rotatividade de clientes, entre outros. Ao final deste curso, você saberá como incluir várias variáveis explicativas em um modelo, entenderá como as interações entre as variáveis afetam as previsões e compreenderá como funcionam a regressão linear e a regressão logística.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Encostas paralelas
Amplie suas habilidades de regressão linear para a regressão de "inclinações paralelas", com uma variável explicativa numérica e outra categórica. Esse é o primeiro passo para você conquistar a regressão linear múltipla.
- Regressão linear de inclinações paralelas50 XP
- Ajuste de uma regressão linear de inclinações paralelas100 XP
- Interpretação de coeficientes de inclinações paralelas100 XP
- Visualização de cada variável explicativa100 XP
- Visualização de inclinações paralelas100 XP
- Previsão de inclinações paralelas50 XP
- Previsão com um modelo de inclinações paralelas100 XP
- Cálculo manual de previsões100 XP
- Avaliação do desempenho do modelo50 XP
- Comparação dos coeficientes de determinação100 XP
- Comparação do erro padrão residual100 XP
2
Interações
Explore o efeito das interações entre as variáveis explicativas. A consideração das interações permite a criação de modelos mais realistas que podem ter melhor poder de previsão. Você também lidará com o Paradoxo de Simpson: um resultado não intuitivo que surge quando você tem várias variáveis explicativas.
3
Regressão linear múltipla
Veja como a modelagem, e a regressão linear em particular, facilita o trabalho com mais de duas variáveis explicativas. Depois de dominar o ajuste de modelos de regressão linear, você poderá implementar seu próprio algoritmo de regressão linear.
4
Regressão logística múltipla
Amplie suas habilidades de regressão logística para múltiplas variáveis explicativas. Entenda a distribuição logística, que é a base dessa forma de regressão. Por fim, implemente seu próprio algoritmo de regressão logística.
R
Regressão intermediária no R
Curso
concluído
