After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Лінійна та логістична регресії — два найуживаніші статистичні моделі, які працюють як майстер-ключі, допомагаючи відкрити закономірності, приховані в наборах даних. У цьому курсі ви опanuєте навички, необхідні, щоб будувати прості лінійні та логістичні регресії. На практичних вправах ви дослідите зв'язки між змінними в реальних наборах даних, зокрема щодо страхових випадків у автострахуванні, цін на житло на Тайвані, розмірів риб тощо. Наприкінці курсу ви знатимете, як робити прогнози з ваших даних, кількісно оцінювати якість моделі та виявляти проблеми з її підгонкою.
Попередні вимоги
Навчальний план
Зміст курсу
1
Проста лінійна регресія
Ви вивчите основи цієї популярної статистичної моделі, що таке регресія та чим відрізняються лінійна і логістична регресії. Далі ви навчитеся будувати прості лінійні регресійні моделі з числовими й категоріальними пояснювальними змінними та описувати зв'язок між відгуком і пояснювальними змінними за допомогою коефіцієнтів моделі.
- Історія двох змінних50 XP
- Яка змінна є відгуком (response)?50 XP
- Візуалізація двох змінних100 XP
- Підгонка лінійної регресії50 XP
- Оцініть перетин із віссю50 XP
- Оцініть нахил50 XP
- Лінійна регресія з lm()100 XP
- Категоріальні пояснювальні змінні50 XP
- Візуалізація числової змінної проти категоріальної100 XP
- Обчислення середніх за категоріями100 XP
- lm() з категоріальною пояснювальною змінною100 XP
2
Прогнози та об'єкти моделі
У цьому розділі ви дізнаєтеся, як використовувати лінійні регресійні моделі для створення прогнозів цін на житло на Тайвані та кліків по рекламних оголошеннях у Facebook. Ви також поглибите свої навички регресії, попрацювавши з об'єктами моделі, розберетеся з поняттям «регресія до середнього» та навчитеся перетворювати змінні в наборі даних.
3
Оцінювання підгонки моделі
У цьому розділі ви навчитеся ставити запитання до своєї моделі, щоб оцінити її підгонку. Ви дізнаєтеся, як кількісно оцінювати, наскільки добре підходить лінійна регресійна модель, діагностувати проблеми моделі за допомогою візуалізацій і зрозуміти важелі та вплив кожного спостереження, використаного для створення моделі.
4
Проста логістична регресія
Навчіться будувати моделі логістичної регресії. Використовуючи реальні дані, ви передбачатимете ймовірність того, що клієнт закриє свій банківський рахунок, як імовірності успіху та як співвідношення шансів, а також кількісно оцінюватимете якість моделі за допомогою матриць помилок.
R
Вступ до Regression у R
Курс
завершено
