Name: Середній рівень Regression у R
Rating: 4.798017348203222 (807 reviews)

Опис курсу

Лінійна регресія та логістична регресія — два найуживаніші статистичні моделі, які працюють як універсальні ключі й відкривають приховані закономірності в наборах даних. Цей курс продовжує навички з «Вступу до Regression у R» і охоплює лінійну та логістичну регресії з кількома пояснювальними змінними. На практичних вправах ви дослідите взаємозв'язки між змінними на реальних наборах даних — ціни на житло в Тайвані, моделювання відтоку клієнтів тощо. Наприкінці курсу ви вмітимете додавати до моделі кілька пояснювальних змінних, розумітимете, як взаємодії між змінними впливають на прогнози, і як працюють лінійна та логістична регресії.

Попередні вимоги

Introduction to Regression in R

Навчальний план

Зміст курсу

Паралельні нахили

Розширте свої навички лінійної регресії до моделі «паралельні нахили» з однією числовою та однією категоріальною пояснювальними змінними. Це перший крок до опанування множинної лінійної регресії.

Почати розділ

Взаємодії

Дослідіть ефект взаємодій між пояснювальними змінними. Урахування взаємодій дає реалістичніші моделі з кращою прогностичною здатністю. Також ви розглянете парадокс Сімпсона — неінтуїтивний результат, що виникає за наявності кількох пояснювальних змінних.

Почати розділ

Множинна лінійна регресія

Побачте, як моделювання, зокрема лінійна регресія, полегшує роботу з більш ніж двома пояснювальними змінними. Опанувавши підгонку лінійних моделей, ви реалізуєте власний алгоритм лінійної регресії.

Почати розділ

Множинна логістична регресія

Розширте свої навички логістичної регресії до кількох пояснювальних змінних. Розберіться з логістичним розподілом, на якому ґрунтується цей тип регресії. Нарешті, реалізуйте власний алгоритм логістичної регресії.