After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Використовуйте Python statsmodels для лінійної та логістичної регресії
Лінійна регресія та логістична регресія — це дві з найпоширеніших статистичних моделей. Вони діють як майстер-ключі, відкриваючи секрети, приховані у ваших даних. У цьому курсі ви здобудете навички побудови простих лінійних і логістичних регресій.За допомогою практичних вправ ви дослідите взаємозв’язки між змінними в реальних наборах даних, зокрема щодо страхових випадків за автострахуванням, цін на житло на Тайвані, розмірів риби та багато іншого.
Дізнайтеся, як робити прогнози та оцінювати якість моделі
Ви почнете цей 4-годинний курс із вивчення того, що таке регресія і чим відрізняються лінійна та логістична регресія, а також навчитеся застосовувати обидві. Далі ви дізнаєтеся, як використовувати моделі лінійної регресії для прогнозування на основі даних, а також зрозумієте об’єкти моделей.У міру проходження курсу ви навчитеся оцінювати відповідність вашої моделі та визначати, наскільки добре ваша модель лінійної регресії підходить. Нарешті, ви глибше зануритеся в моделі логістичної регресії, щоб робити прогнози на реальних даних.
Опануйте основи регресійного аналізу в Python
Наприкінці цього курсу ви знатимете, як робити прогнози на основі ваших даних, оцінювати ефективність моделі та діагностувати проблеми з її відповідністю. Ви зрозумієте, як використовувати Python statsmodels для регресійного аналізу, і зможете застосовувати ці навички до реальних наборів даних.Попередні вимоги
Навчальний план
Зміст курсу
1
Моделювання простої лінійної регресії
Ви вивчите основи цієї популярної статистичної моделі, що таке регресія та чим відрізняються лінійна і логістична регресії. Далі ви дізнаєтеся, як будувати прості моделі лінійної регресії з числовими та категоріальними пояснювальними змінними й як описувати зв'язок між відгуком і пояснювальними змінними за допомогою коефіцієнтів моделі.
- Історія двох змінних50 XP
- Яка зі змінних є відгуковою?50 XP
- Візуалізація двох числових змінних100 XP
- Підбір лінійної регресії50 XP
- Оцініть вільний член (перетин)50 XP
- Оцініть нахил50 XP
- Лінійна регресія з ols()100 XP
- Категоріальні пояснювальні змінні50 XP
- Візуалізація числової змінної проти категоріальної100 XP
- Обчислення середніх за категоріями100 XP
- Лінійна регресія з категоріальною пояснювальною змінною100 XP
2
Прогнози та об'єкти моделі
У цьому розділі ви дізнаєтеся, як використовувати моделі лінійної регресії для прогнозування цін на житло на Тайвані та кліків по рекламі у Facebook. Ви також поглибите свої навички регресії, попрацювавши з об'єктами моделі, зрозумієте поняття «регресія до середнього» та навчитеся перетворювати змінні в наборі даних.
3
Оцінювання якості підгонки моделі
У цьому розділі ви навчитеся ставити запитання до своєї моделі, щоб оцінити її підгонку. Ви дізнаєтеся, як кількісно оцінити, наскільки добре підходить модель лінійної регресії, діагностувати проблеми моделі за допомогою візуалізацій і зрозуміти важільність та вплив кожного спостереження на створення моделі.
4
Моделювання простої логістичної регресії
Навчіться будувати моделі логістичної регресії. Використовуючи реальні дані, ви оціните ймовірність того, що клієнт закриє свій банківський рахунок, у вигляді імовірностей успіху та шансів, а також кількісно оціните якість моделі за допомогою матриць неточностей.
Вступ до Regression зі statsmodels у Python
Курс
завершено
