After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Lineer regresyon ve lojistik regresyon, en yaygın kullanılan iki istatistiksel modeldir ve veri kümelerinde saklı sırları açığa çıkaran anahtarlar gibidir. Bu kursta, basit lineer ve lojistik regresyonları kurmak için gereken becerileri edineceksin. Uygulamalı egzersizlerle, motor sigortası talepleri, Tayvan konut fiyatları, balık boyutları ve daha fazlasını içeren gerçek dünya veri kümelerinde değişkenler arasındaki ilişkileri keşfedeceksin. Kursun sonunda, verilerinden tahminler yapmayı, model performansını nicelleştirmeyi ve model uyumundaki sorunları teşhis etmeyi bileceksin.
Ön Koşullar
Müfredat
Kurs içeriği
1
Basit Lineer Regresyon
Bu popüler istatistiksel modelin temellerini, regresyonun ne olduğunu ve lineer ile lojistik regresyonların nasıl farklılaştığını öğreneceksin. Ardından, sayısal ve kategorik açıklayıcı değişkenlerle basit lineer regresyon modelleri kurmayı ve yanıt ile açıklayıcı değişkenler arasındaki ilişkiyi model katsayılarıyla ifade etmeyi öğreneceksin.
- İki değişkenin öyküsü50 XP
- Hangisi tepki değişkeni?50 XP
- İki değişkeni görselleştirme100 XP
- Doğrusal regresyonu uydurma50 XP
- Kesişimi tahmin et50 XP
- Eğimi tahmin et50 XP
- lm() ile doğrusal regresyon100 XP
- Kategorik açıklayıcı değişkenler50 XP
- Sayısal vs. kategorik görselleştirme100 XP
- Kategorilere göre ortalama hesaplama100 XP
- Kategorik bir açıklayıcı değişkenle lm()100 XP
2
Tahminler ve model nesneleri
Bu bölümde, lineer regresyon modellerini kullanarak Tayvan konut fiyatları ve Facebook reklam tıklamaları üzerinde nasıl tahmin yapacağını keşfedeceksin. Ayrıca, model nesneleriyle uygulamalı çalışarak regresyon becerilerini geliştirecek, "ortalama regresyonu" kavramını anlayacak ve bir veri kümesindeki değişkenleri nasıl dönüştüreceğini öğreneceksin.
3
Model uyumunun değerlendirilmesi
Bu bölümde, uyumu değerlendirmek için modeline nasıl sorular soracağını öğreneceksin. Bir lineer regresyon modelinin ne kadar iyi uyduğunu nicelleştirmeyi, görselleştirmelerle model sorunlarını teşhis etmeyi ve modeli oluşturmak için kullanılan her bir gözlemin kaldıraç ve etkisini anlamayı öğreneceksin.
4
Basit lojistik regresyon
Lojistik regresyon modellerini kurmayı öğren. Gerçek dünya verilerini kullanarak bir müşterinin banka hesabını kapatma olasılığını başarı olasılıkları ve odds oranları olarak tahmin edecek ve kafa karışıklık matrisleriyle model performansını nicelleştireceksin.
R
R'da Regresyona Giriş
Kurs
Tamamlandı
