After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Använd Python statsmodels för linjär och logistisk regression
Linjär regression och logistisk regression är två av de mest använda statistiska modellerna. De fungerar som huvudnycklar och låser upp hemligheterna som döljer sig i dina data. I den här kursen får du färdigheterna att anpassa enkla linjära och logistiska regressioner.Genom praktiska övningar utforskar du sambanden mellan variabler i verkliga datamängder, inklusive motorförsäkringsanspråk, huspriser i Taiwan, fiskstorlekar och mer.
Upptäck hur du gör förutsägelser och bedömer modellanpassning
Du börjar den här 4-timmarskursen med att lära dig vad regression är och hur linjär och logistisk regression skiljer sig åt, samt hur du tillämpar båda. Därefter lär du dig hur du använder linjära regressionsmodeller för att göra förutsägelser på data, samtidigt som du förstår modellobjekt.Allt eftersom du går vidare lär du dig hur du bedömer hur väl din modell passar, och hur du vet hur väl din linjära regressionsmodell passar. Slutligen kommer du att fördjupa dig i logistiska regressionsmodeller för att göra förutsägelser på verkliga data.
Lär dig grunderna i regressionsanalys med Python
I slutet av den här kursen kommer du att veta hur du gör förutsägelser utifrån dina data, kvantifierar modellprestanda och diagnostiserar problem med modellanpassning. Du kommer att förstå hur du använder Python statsmodels för regressionsanalys och kunna tillämpa färdigheterna på verkliga datamängder.Förkunskapskrav
Kursplan
Kursöversikt
1
Enkel linjär regressionsmodellering
Du lär dig grunderna i den här populära statistiska modellen – vad regression är och hur linjär och logistisk regression skiljer sig åt. Sedan lär du dig att anpassa enkla linjära regressionsmodeller med numeriska och kategoriska förklaringsvariabler, samt hur du beskriver sambandet mellan responsvariabeln och förklaringsvariablerna med hjälp av modellkoefficienterna.
- En historia om två variabler50 XP
- Vilken är responsvariabeln?50 XP
- Visualisera två numeriska variabler100 XP
- Anpassa en linjär regression50 XP
- Uppskatta skärningspunkten50 XP
- Uppskatta lutningen50 XP
- Linjär regression med ols()100 XP
- Kategoriska förklaringsvariabler50 XP
- Visualisera numeriska och kategoriska variabler100 XP
- Beräkna medelvärden per kategori100 XP
- Linjär regression med en kategorisk förklarande variabel100 XP
2
Förutsägelser och modellobjekt
I det här kapitlet lär du dig att använda linjära regressionsmodeller för att göra förutsägelser om huspriser på Taiwan och klick på Facebook-annonser. Du fördjupar också dina regressionskunskaper genom att arbeta hands-on med modellobjekt, förstå begreppet "regression mot medelvärdet" och lära dig att transformera variabler i en datamängd.
3
Utvärdering av modellanpassning
I det här kapitlet lär du dig att ställa frågor till din modell för att utvärdera hur väl den anpassar sig till data. Du lär dig att kvantifiera hur bra en linjär regressionsmodell passar, diagnostisera modellproblem med hjälp av visualiseringar, och förstå varje observations hävstångseffekt och inflytande på modellen.
4
Enkel logistisk regressionsmodellering
Lär dig att anpassa logistiska regressionsmodeller. Med verkliga data förutsäger du sannolikheten för att en kund avslutar sitt bankkonto – uttryckt som sannolikheter och odds – och kvantifierar modellens prestanda med hjälp av konfusionsmatriser.
Introduktion till regression med statsmodels i Python
Kurs
slutförd
