Pular para o conteúdo principal
InícioPythonIntrodução à regressão com statsmodels em Python

Introdução à regressão com statsmodels em Python

"Preveja preços de imóveis e taxa de cliques com análise de regressão usando statsmodels em Python."

Comece O Curso Gratuitamente
4 horas14 vídeos53 exercícios37.762 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Experimente o DataCamp For Business

Amado por alunos de milhares de empresas


Descrição do Curso

Use o Python statsmodels para regressão linear e logística

A regressão linear e a regressão logística são dois dos modelos estatísticos mais usados. Eles funcionam como chaves mestras, revelando os segredos ocultos em seus dados. Neste curso, você adquirirá as habilidades necessárias para ajustar regressões lineares e logísticas simples.

Por meio de exercícios práticos, você explorará as relações entre variáveis em conjuntos de dados do mundo real, incluindo reclamações de seguros de automóveis, preços de casas em Taiwan, tamanhos de peixes e muito mais.

Descubra como fazer previsões e avaliar o ajuste do modelo

Você começará este curso de 4 horas aprendendo o que é regressão e como a regressão linear e a regressão logística diferem, aprendendo a aplicar ambas. Em seguida, você aprenderá a usar modelos de regressão linear para fazer previsões sobre os dados e, ao mesmo tempo, entender os objetos do modelo.

À medida que avançar, você aprenderá a avaliar o ajuste do modelo e a saber se o modelo de regressão linear está bem ajustado. Por fim, você se aprofundará nos modelos de regressão logística para fazer previsões em dados reais.

Aprenda os fundamentos da análise de regressão em Python

Ao final deste curso, você saberá como fazer previsões a partir dos seus dados, quantificar o desempenho do modelo e diagnosticar problemas com o ajuste do modelo. Você entenderá como usar os modelos estatísticos do Python para análise de regressão e poderá aplicar as habilidades a conjuntos de dados reais.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados
Experimente O DataCamp for BusinessPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Fundamentos de estatística em Python

Ir para a trilha
  1. 1

    Modelagem de regressão linear simples

    Gratuito

    Você aprenderá os conceitos básicos desse modelo estatístico popular, o que é regressão e como as regressões linear e logística diferem. Em seguida, você aprenderá a ajustar modelos de regressão linear simples com variáveis explicativas numéricas e categóricas e a descrever a relação entre a resposta e as variáveis explicativas usando os coeficientes do modelo.

    Reproduzir Capítulo Agora
    Uma história de duas variáveis
    50 xp
    Qual delas é a variável de resposta?
    50 xp
    Visualização de duas variáveis numéricas
    100 xp
    Ajuste de uma regressão linear
    50 xp
    Estimar o intercepto
    50 xp
    Estimar a inclinação
    50 xp
    Regressão linear com ols()
    100 xp
    Variáveis explicativas categóricas
    50 xp
    Visualização de dados numéricos versus dados categóricos
    100 xp
    Cálculo de médias por categoria
    100 xp
    Regressão linear com uma variável explicativa categórica
    100 xp
  2. 2

    Previsões e objetos-modelo

    Neste capítulo, você descobrirá como usar modelos de regressão linear para fazer previsões sobre os preços de imóveis em Taiwan e cliques em anúncios do Facebook. Você também desenvolverá suas habilidades de regressão à medida que colocar a mão na massa com objetos de modelo, entender o conceito de "regressão à média" e aprender a transformar variáveis em um conjunto de dados.

    Reproduzir Capítulo Agora
  3. 3

    Avaliação da adequação do modelo

    Neste capítulo, você aprenderá a fazer perguntas ao seu modelo para avaliar o ajuste. Você aprenderá a quantificar a adequação de um modelo de regressão linear, a diagnosticar problemas de modelo usando visualizações e a entender a alavancagem e a influência de cada observação para criar o modelo.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Fundamentos de estatística em Python

Ir para a trilha

conjuntos de dados

Customer churn dataTaiwan real estate dataAd conversion dataS&P 500 dataFish measurement data

colaboradores

Collaborator's avatar
Maggie Matsui
Collaborator's avatar
Amy Peterson
Collaborator's avatar
Richie Cotton
Maarten Van den Broeck HeadshotMaarten Van den Broeck

Senior Content Developer at DataCamp

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 14 milhões de alunos e comece Introdução à regressão com statsmodels em Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.