After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
На цьому курсі ви навчитеся будувати модель логістичної регресії з інформативними змінними. Також ви дізнаєтеся, як використовувати цю модель для прогнозування та як презентувати її й її ефективність бізнес-стейкхолдерам.
Попередні вимоги
Навчальний план
Зміст курсу
1
Побудова моделей логістичної регресії
У цьому розділі ви опануєте основи логістичної регресії: як прогнозувати бінарну ціль за допомогою неперервних змінних і як інтерпретувати цю модель та застосовувати її для прогнозування нових прикладів.
- Вступ і структура базової таблиці50 XP
- Структура базової таблиці50 XP
- Дослідження базової таблиці100 XP
- Дослідження прогнозних змінних100 XP
- Логістична регресія50 XP
- Інтерпретація коефіцієнтів50 XP
- Побудова моделі логістичної регресії100 XP
- Показ коефіцієнтів і вільного члена100 XP
- Використання моделі логістичної регресії50 XP
- Створення прогнозів100 XP
- Донор із найбільшою ймовірністю зробити внесок100 XP
2
Покроковий прямий відбір змінних для логістичної регресії
У цьому розділі ви дізнаєтеся, чому відбір змінних є критично важливим для побудови корисної моделі. Також ви навчитеся реалізовувати покроковий прямий відбір змінних для логістичної регресії та визначати кількість змінних, які варто включити до фінальної моделі.
3
Пояснення ефективності моделі для бізнесу
Тепер, коли ви вмієте будувати якісну модель, потрібно переконати стейкхолдерів застосовувати її, створивши відповідні графіки. Ви навчитеся будувати й інтерпретувати криву кумулятивних виграшів і графік ліфту.
4
Інтерпретація та пояснення моделей
У бізнес-контексті часто важливо пояснити інтуїцію, що стоїть за створеною вами моделлю. Якщо модель і її змінні не мають сенсу, імовірно, її не використовуватимуть. У цьому розділі ви дізнаєтеся, як пояснювати зв'язок між змінними в моделі та ціллю за допомогою графіків інсайтів предикторів.
Вступ до прогностичної аналітики в Python
Курс
завершено
