Build your ultimate AI agent
Kursbeskrivning
Linjär regression och logistisk regression är de två mest använda statistiska modellerna – de fungerar som generalnycklar som låser upp dolda mönster i datamängder. Den här kursen bygger vidare på kunskaperna från "Introduktion till regression i R" och behandlar linjär och logistisk regression med flera förklaringsvariabler. Genom praktiska övningar utforskar du samband mellan variabler i verkliga datamängder, bland annat huspriser i Taiwan och modellering av kundavhopp. När kursen är slut vet du hur du inkluderar flera förklaringsvariabler i en modell, förstår hur interaktioner mellan variabler påverkar förutsägelser och hur linjär och logistisk regression fungerar.
Förkunskapskrav
Kursplan
Kursöversikt
1
Parallella lutningar
Bygg vidare på dina kunskaper i linjär regression och lär dig regression med parallella lutningar – med en numerisk och en kategorisk förklaringsvariabel. Det här är det första steget mot att bemästra multipel linjär regression.
- Linjär regression med parallella lutningar50 XP
- Anpassa en linjär regression med parallella lutningar100 XP
- Tolka koefficienter för parallella lutningar100 XP
- Visualisera varje förklarande variabel100 XP
- Visualisera parallella lutningar100 XP
- Förutsäga parallella lutningar50 XP
- Göra förutsägelser med en parallellslopmodell100 XP
- Beräkna prediktioner manuellt100 XP
- Utvärdera modellens prestanda50 XP
- Jämföra determinationskoefficienter100 XP
- Jämföra residualstandardfel100 XP
2
Interaktioner
Utforska effekten av interaktioner mellan förklaringsvariabler. Genom att ta hänsyn till interaktioner kan du bygga mer realistiska modeller med bättre prediktiv förmåga. Du kommer också att stöta på Simpsons paradox – ett icke-intuitivt fenomen som uppstår när du arbetar med flera förklaringsvariabler.
3
Multipel linjär regression
Se hur modellering, och linjär regression i synnerhet, gör det enkelt att arbeta med fler än två förklaringsvariabler. När du väl behärskar att anpassa linjära regressionsmodeller får du implementera din egen linjära regressionsalgoritm.
4
Multipel logistisk regression
Bygg vidare på dina kunskaper i logistisk regression och arbeta med flera förklaringsvariabler. Lär dig om den logistiska fördelningen, som ligger till grund för den här regressionsformen. Avslutningsvis implementerar du din egen logistiska regressionsalgoritm.
R
Intermediär regression i R
Kurs
slutförd
