După ce am parcurs aceste cursuri, mă simt încrezător să creez vizualizări și tablouri de bord profesionale
Shoebur RahmanSpecialist în achiziții, Giz Bangladesh
Descrierea cursului
Regresia liniară și regresia logistică sunt cele mai utilizate două modele statistice și funcționează ca niște chei universale, dezvăluind informațiile ascunse în seturi de date. În acest curs, vei aprofunda competențele dobândite în „Introducere în Regresia în Python cu statsmodels", explorând regresia liniară și logistică cu mai multe variabile explicative. Prin exerciții practice, vei analiza relațiile dintre variabile în seturi de date reale – prețurile locuințelor din Taiwan, modelarea abandonului clienților și altele. La finalul cursului, vei ști cum să incluzi mai multe variabile explicative într-un model, să descoperi cum interacțiunile dintre variabile influențează predicțiile și să înțelegi modul în care funcționează regresia liniară și cea logistică.
Cerințe prealabile
Programă
Planul cursului
1
Pante paralele
Extinde-ți cunoștințele de regresie liniară către regresia cu pante paralele, care folosește o variabilă explicativă numerică și una categorială. Acesta este primul pas spre stăpânirea regresiei liniare multiple.
- Regresie liniară cu pante paralele50 XP
- Ajustarea unei regresii liniare cu pante paralele100 XP
- Interpretarea coeficienților pentru pante paralele100 XP
- Vizualizarea fiecărei variabile explicative100 XP
- Vizualizarea pantelor paralele100 XP
- Predicții cu pante paralele50 XP
- Predicții cu un model cu pante paralele100 XP
- Vizualizarea predicțiilor modelului cu pante paralele100 XP
- Calcularea manuală a predicțiilor100 XP
- Evaluarea performanței modelului50 XP
- Compararea coeficienților de determinare100 XP
- Compararea erorii standard reziduale100 XP
2
Interacțiuni
Explorează efectul interacțiunilor dintre variabilele explicative. Luând în considerare interacțiunile, poți construi modele mai realiste, cu o putere predictivă mai bună. Vei lucra și cu Paradoxul lui Simpson – un rezultat neintuițional care apare atunci când ai mai multe variabile explicative.
3
Regresie liniară multiplă
Descoperă cum modelarea și regresia liniară simplifică lucrul cu mai mult de două variabile explicative. După ce stăpânești ajustarea modelelor de regresie liniară, vei implementa propriul tău algoritm de regresie liniară.
4
Regresie logistică multiplă
Extinde-ți cunoștințele de regresie logistică la mai multe variabile explicative. Vei învăța și despre distribuția logistică, care stă la baza acestui tip de regresie, înainte de a-ți implementa propriul algoritm de regresie logistică.
Regresie intermediară cu statsmodels în Python
Curs
finalizat
