Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Linjär regression är ett grundläggande verktyg inom statistik, men fungerar inte för alla typer av komplexa data. En generaliserad linjär modell (GLM) bygger vidare på linjär regression och hanterar icke-normalfördelade data, till exempel binomialdata och räknedata. I den här kursen utökar du din verktygslåda inom data science med GLM:er i R. Du lär dig att anpassa modeller för binomialdata med logistisk regression och för räknedata med Poissonregression. Du lär dig också att tolka resultaten och visualisera dem med ggplot2.
Förkunskapskrav
Kursplan
Kursöversikt
1
GLM:er – en utvidgning av din regressionsverktygslåda
Det här kapitlet visar hur generaliserade linjära modeller är en utvidgning av andra modeller i din data science-verktygslåda. Kapitlet använder Poissonregression för att introducera generaliserade linjära modeller.
- Begränsningar hos linjära modeller50 XP
- Antaganden för linjära modeller50 XP
- Repetition: anpassa linjära modeller100 XP
- Poissonregression50 XP
- Anpassa en Poisson-regression i R100 XP
- Jämföra linjär regression och Poissonregression100 XP
- Intercept-jämförelser kontra medelvärden100 XP
- Grundläggande lm()-funktioner med glm()50 XP
- Använda summary(), print() och tidy() på glm100 XP
- Extrahera koefficienter från glm()100 XP
- Prediktera med glm()100 XP
2
Logistisk regression
Det här kapitlet handlar om att köra en logistisk regression och granska modellens utdata.
3
Tolkning och visualisering av GLM:er
Det här kapitlet lär dig att tolka GLM-koefficienter och visualisera GLM:er med ggplot2.
4
Multipel regression med GLM:er
I det här kapitlet lär du dig att utföra multipel regression med GLM:er i R.
R
Generaliserade linjära modeller i R
Kurs
slutförd
