Build your ultimate AI agent
Mô tả khóa học
Hồi quy tuyến tính là công cụ chủ lực của thống kê nhưng không xử lý được một số kiểu dữ liệu phức tạp. Generalized linear model (GLM) mở rộng hồi quy tuyến tính để bao gồm các phân phối không chuẩn, như dữ liệu nhị thức và dữ liệu đếm. Xuyên suốt khóa học này, bạn sẽ mở rộng bộ công cụ khoa học dữ liệu của mình để bao gồm GLM trong R. Trong quá trình học về GLM, bạn sẽ biết cách khớp mô hình cho dữ liệu nhị thức bằng logistic regression và cho dữ liệu đếm bằng Poisson regression. Bạn cũng sẽ học cách hiểu kết quả và trực quan hóa chúng với ggplot2.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
GLM: mở rộng hộp công cụ hồi quy của bạn
Chương này dạy bạn cách generalized linear models mở rộng các mô hình khác trong hộp công cụ khoa học dữ liệu của bạn. Chương cũng sử dụng Poisson regression để giới thiệu generalized linear models.
- Những giới hạn của mô hình tuyến tính50 XP
- Các giả định của mô hình tuyến tính50 XP
- Ôn lại cách khớp mô hình tuyến tính100 XP
- Hồi quy Poisson50 XP
- Khớp hồi quy Poisson trong R100 XP
- So sánh hồi quy tuyến tính và hồi quy Poisson100 XP
- Hệ số chặn: so sánh và trung bình100 XP
- Các hàm lm() cơ bản với glm()50 XP
- Áp dụng summary(), print(), và tidy() cho glm100 XP
- Trích xuất hệ số từ glm()100 XP
- Dự đoán với glm()100 XP
2
Logistic Regression
Chương này hướng dẫn chạy logistic regression và xem xét các đầu ra của mô hình.
3
Diễn giải và trực quan hóa GLM
Chương này dạy bạn cách diễn giải các hệ số GLM và vẽ GLM bằng ggplot2.
4
Hồi quy đa biến với GLM
Trong chương này, bạn sẽ học cách thực hiện hồi quy đa biến với GLM trong R.
R
Generalized Linear Models in R
Hoàn
thành khóa học
