Sari la conținutul principal

Curs

Modele Liniare Generalizate în Python

AvansatNivel de competențe

Actualizat 10.2022

Începe cursul gratuit

PythonProbability & Statistics

5 h

16 videoclipuri

59 Exerciții

4,950 XP

11,907

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Îți poți imagina că lucrezi cu date în care variabila răspuns poate fi binară, de tip număr întreg sau aproximativ normală – totul într-un singur cadru unificat? Nu mai trebuie să îți imaginezi. Intră în cursul Modele Liniare Generalizate în Python! În acest curs îți vei extinde setul de instrumente pentru regresie cu modelele logistic și Poisson, învățând cum să ajustezi modele, să le înțelegi, să evaluezi performanța și să faci predicții pe date noi. Vei exersa folosind date din studii reale, precum cel mai mare caz de otrăvire în masă din istoria lumii, cuibăritul crabilor potcoavă și numărarea traversărilor podurilor din New York City cu bicicleta.

Cerințe prealabile

Introduction to Linear Modeling in Python

1

Introducere în MLG

Recapitulezi modelele liniare și înveți cum MLG-urile reprezintă o extensie a modelului liniar pentru diferite tipuri de variabile răspuns. Vei descoperi, de asemenea, elementele fundamentale ale MLG-urilor și procesul tehnic de ajustare a unui MLG în Python.

Dincolo de regresia liniară

Aplicarea modelelor liniare

Modelul liniar, un caz special al GLM

Cum se construiește un GLM?

Tipul de date și familia de distribuție

Modelul liniar și o variabilă răspuns binară

Compararea valorilor prezise

Cum se ajustează un GLM în Python?

Ajustarea modelului pas cu pas

Rezultatele ajustării modelului folosind summary()

Extragerea estimărilor parametrilor

Începe capitolul

2

Modelarea Datelor Binare

Acest capitol se concentrează pe regresia logistică. Vei învăța despre structura datelor binare, funcția de legătură logit, ajustarea modelului, interpretarea coeficienților, inferența statistică și evaluarea performanței modelului.

Date binare și regresia logistică

Calculează cotele și probabilitățile

Antrenează un model de regresie logistică

Interpretarea coeficienților

Coeficienți exprimați în cote

Formula modelului

Interpretarea modelului logistic

Rata de variație a probabilității

Interpretarea inferenței modelului

Semnificație statistică

Calcularea statisticii Wald

Intervale de încredere

Calcularea și interpretarea predicțiilor

Vizualizarea potrivirii modelului cu regplot()

Calculează predicții

Calculează matricea de confuzie

Începe capitolul

3

Modelarea Datelor de Numărare

Aici vei învăța despre regresia Poisson, inclusiv date de numărare, distribuția Poisson și interpretarea modelului ajustat. Vei descoperi și cum să rezolvi problemele de supradispersie. În final, vei dobândi experiență practică în vizualizarea modelelor.

Date de numărare și distribuția Poisson

Vizualizează variabila răspuns

Ajustarea unei regresii Poisson

Interpretarea rezultatelor modelului

Estimează parametrul lambda

Interpretează coeficienții Poisson

Intervale de încredere Poisson

Problema supradispersiei

Media este egală cu varianța?

Calcularea numărului așteptat de apariții

Verificarea supradispersiei

Ajustarea binomialului negativ

Intervale de încredere pentru modelul Binomial negativ

Reprezentarea grafică a unui model de regresie

Vizualizarea datelor și a modelului liniar ajustat

Reprezentarea grafică a valorilor ajustate

Începe capitolul

4

Regresie Logistică Multivariabilă

În acest capitol final vei învăța cum să crești complexitatea modelului adăugând mai multe variabile explicative. Vei exersa cu problema multicoliniarității și cu tratarea termenilor categoriali și a interacțiunilor din model.

Regresie logistică multivariabilă

Antrenează o regresie logistică multivariabilă

Efectul multicolinearității

Calculează VIF

Compararea modelelor

Verificarea potrivirii modelului

Compară două modele

Deviația și transformarea liniară

Formula modelului

Matricea modelului pentru variabile continue

Transformarea variabilelor

Codificarea variabilelor categoriale

Termeni categorici și de interacțiune

Modelare cu variabilă categorială

Termeni de interacțiune

Felicitări!

Începe capitolul

Modele Liniare Generalizate în Python

Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe Modele Liniare Generalizate în Python astăzi!

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.