Build your ultimate AI agent
Descrierea cursului
Regresia liniară este un instrument fundamental în statistică, însă nu poate gestiona toate tipurile de date complexe. Un model liniar generalizat (GLM) extinde regresia liniară pentru a include distribuții non-normale, cum ar fi datele binomiale și cele de tip numărare. Pe parcursul acestui curs, îți vei extinde setul de instrumente pentru știința datelor cu GLM-uri în R. Vei învăța cum să ajustezi modele pentru date binomiale cu regresia logistică și pentru date de tip numărare cu regresia Poisson. De asemenea, vei descoperi cum să interpretezi aceste rezultate și să le vizualizezi cu ggplot2.
Cerințe prealabile
Curriculum
Structura cursului
1
GLM-uri – o extensie a setului tău de instrumente de regresie
Acest capitol îți explică cum modelele liniare generalizate reprezintă o extensie a altor modele din setul tău de instrumente pentru știința datelor. De asemenea, folosește regresia Poisson pentru a introduce conceptul de modele liniare generalizate.
- Limitările modelelor liniare50 XP
- Ipotezele modelelor liniare50 XP
- Recapitulare: ajustarea modelelor liniare100 XP
- Regresia Poisson50 XP
- Ajustarea unei regresii Poisson în R100 XP
- Comparând regresia liniară și regresia Poisson100 XP
- Intercepte – comparații versus medii100 XP
- Funcții de bază lm() cu glm()50 XP
- Aplicarea funcțiilor summary(), print() și tidy() pe glm100 XP
- Extragerea coeficienților din glm()100 XP
- Predicții cu glm()100 XP
2
Regresia logistică
Acest capitol acoperă rularea unei regresii logistice și examinarea rezultatelor modelului.
3
Interpretarea și vizualizarea GLM-urilor
Acest capitol te învață cum să interpretezi coeficienții GLM și cum să vizualizezi GLM-uri folosind ggplot2.
4
Regresia multiplă cu GLM-uri
În acest capitol, vei învăța cum să aplici regresia multiplă cu GLM-uri în R.
R
Modele Liniare Generalizate în R
Curs
finalizat
