Last chance: 50% off unlimited learning
Sale ends in
Kurs Açıklaması
Doğrusal regresyon ve lojistik regresyon, en yaygın kullanılan iki istatistiksel modeldir ve veri kümelerinde gizli kalan sırları açığa çıkaran anahtarlar gibidir. Bu kursta, "Introduction to Regression in Python with statsmodels" bölümünde edindiğin becerileri temel alarak, birden fazla açıklayıcı değişkenle doğrusal ve lojistik regresyonu öğreneceksin. Uygulamalı egzersizlerle, gerçek dünya veri kümelerinde (Tayvan konut fiyatları, müşteri churn modelleme ve daha fazlası) değişkenler arasındaki ilişkileri keşfedeceksin. Kursun sonunda, bir modele birden fazla açıklayıcı değişken eklemeyi, değişkenler arası etkileşimlerin tahminleri nasıl etkilediğini keşfetmeyi ve doğrusal ile lojistik regresyonun nasıl çalıştığını anlayacaksın.
Ön Koşullar
Müfredat
Kurs planı
1
Paralel Eğimler
Doğrusal regresyon becerilerini, biri sayısal diğeri kategorik iki açıklayıcı değişkenle paralel eğimler regresyonuna genişlet. Bu, çoklu doğrusal regresyona hâkim olma yolunda ilk adımdır.
- Paralel eğimli doğrusal regresyon50 XP
- Paralel eğimli doğrusal regresyonu uyarlama100 XP
- Paralel eğim katsayılarını yorumlama100 XP
- Her bir açıklayıcı değişkeni görselleştirme100 XP
- Paralel eğimleri görselleştirme100 XP
- Paralel eğimleri tahmin etme50 XP
- Paralel eğimli bir modelle tahmin yapma100 XP
- Paralel eğimli model tahminlerini görselleştirme100 XP
- Tahminleri elle hesaplama100 XP
- Model performansını değerlendirme50 XP
- Belirleme katsayılarını karşılaştırma100 XP
- Artık standart hatayı (RSE) karşılaştırma100 XP
2
Etkileşimler
Açıklayıcı değişkenler arasındaki etkileşimlerin etkisini keşfet. Etkileşimleri dikkate almak, daha gerçekçi ve daha iyi tahmin gücüne sahip modeller kurmanı sağlar. Ayrıca, birden fazla açıklayıcı değişken olduğunda ortaya çıkan sezgisel olmayan bir sonuç olan Simpson Paradoksu ile de ilgileneceksin.
3
Çoklu Doğrusal Regresyon
Modelleme ve doğrusal regresyonun, ikiden fazla açıklayıcı değişkenle çalışmayı nasıl kolaylaştırdığını gör. Doğrusal regresyon modellerini kurmayı öğrendikten sonra, kendi doğrusal regresyon algoritmanı uygulayacaksın.
4
Çoklu Lojistik Regresyon
Lojistik regresyon becerilerini birden fazla açıklayıcı değişkene genişlet. Ayrıca, bu regresyon türünün temelini oluşturan lojistik dağılımı öğrenecek ve ardından kendi lojistik regresyon algoritmanı uygulayacaksın.
Python ile statsmodels'da Orta Düzey Regresyon
Kurs
Tamamlandı
