Build your ultimate AI agent
Описание курса
Линейная и логистическая регрессии — два наиболее широко применяемых статистических метода, которые помогают раскрыть закономерности, скрытые в данных. Этот курс развивает навыки, полученные в курсе «Введение в регрессию в R»: вы изучите линейную и логистическую регрессию с несколькими объясняющими переменными. Выполняя практические упражнения, вы исследуете взаимосвязи между переменными на реальных наборах данных — ценах на жильё на Тайване, моделировании оттока клиентов и других. По завершении курса вы будете уметь включать несколько объясняющих переменных в модель, понимать, как взаимодействия между переменными влияют на прогнозы, и разбираться в принципах работы линейной и логистической регрессий.
Предварительные требования
Программа
Структура курса
1
Параллельные наклоны
Расширьте навыки линейной регрессии и освойте регрессию с «параллельными наклонами», включающую одну числовую и одну категориальную объясняющую переменную. Это первый шаг к освоению множественной линейной регрессии.
- Линейная регрессия с параллельными наклонами50 XP
- Построение линейной регрессии с параллельными наклонными100 XP
- Интерпретация коэффициентов модели с параллельными прямыми100 XP
- Визуализация каждой объясняющей переменной100 XP
- Визуализация параллельных наклонов100 XP
- Прогнозирование с помощью параллельных наклонных50 XP
- Прогнозирование с помощью модели с параллельными наклонами100 XP
- Расчёт прогнозов вручную100 XP
- Оценка качества модели50 XP
- Сравнение коэффициентов детерминации100 XP
- Сравнение остаточного стандартного отклонения100 XP
2
Взаимодействия
Изучите влияние взаимодействий между объясняющими переменными. Учёт взаимодействий позволяет строить более реалистичные модели с лучшей предсказательной силой. Вы также познакомитесь с парадоксом Симпсона — неочевидным явлением, возникающим при наличии нескольких объясняющих переменных.
3
Множественная линейная регрессия
Убедитесь, что моделирование, и линейная регрессия в частности, позволяет легко работать с более чем двумя объясняющими переменными. Освоив построение моделей линейной регрессии, вы реализуете собственный алгоритм линейной регрессии.
4
Множественная логистическая регрессия
Расширьте навыки логистической регрессии до случая с несколькими объясняющими переменными. Разберитесь в логистическом распределении, лежащем в основе этого вида регрессии. В завершение реализуйте собственный алгоритм логистической регрессии.
R
Промежуточная регрессия в R
Курс
завершён
