Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Neste curso, você vai aprender a construir um modelo de regressão logística com variáveis relevantes. Você também vai aprender a usar esse modelo para fazer previsões e como apresentá-lo, junto com seu desempenho, para as partes interessadas de negócios.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Construindo modelos de regressão logística
Neste capítulo, você vai aprender o básico de regressão logística: como prever um alvo binário com variáveis contínuas e como interpretar esse modelo e usá-lo para fazer previsões para novos exemplos.
- Introdução e estrutura da tabela base50 XP
- Estrutura da tabela base50 XP
- Explorando a base table100 XP
- Explorando as variáveis preditoras100 XP
- Regressão logística50 XP
- Interpretação de coeficientes50 XP
- Construindo um modelo de regressão logística100 XP
- Exibindo os coeficientes e o intercepto100 XP
- Usando o modelo de regressão logística50 XP
- Fazendo previsões100 XP
- Doador com maior probabilidade de doar100 XP
2
Seleção de variáveis stepwise forward para regressão logística
Neste capítulo, você vai entender por que a seleção de variáveis é crucial para construir um modelo útil. Você também vai aprender a implementar a seleção de variáveis stepwise forward para regressão logística e como decidir o número de variáveis a incluir no seu modelo final.
3
Explicando o desempenho do modelo para o negócio
Agora que você sabe como construir um bom modelo, é importante convencer as partes interessadas a usá-lo criando gráficos adequados. Você vai aprender a construir e interpretar a curva de ganhos cumulativos e o gráfico de lift.
4
Interpretando e explicando modelos
No contexto de negócios, muitas vezes é importante explicar a intuição por trás do modelo que você construiu. De fato, se o modelo e suas variáveis não fizerem sentido, ele pode não ser usado. Neste capítulo, você vai aprender a explicar a relação entre as variáveis do modelo e o alvo por meio de gráficos de insight de preditores.
Introdução à Análise Preditiva em Python
Curso
concluído
