After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
线性回归和逻辑回归是最常用的两类统计模型，就像万能钥匙，帮助解开数据集中的规律。本课程在"R 回归入门"的基础上，讲解包含多个解释变量的线性回归与逻辑回归。通过动手练习，您将探索真实数据集中的变量关系，如台湾房价与客户流失建模等。课程结束时，您将学会在模型中加入多个解释变量，理解变量之间的交互如何影响预测，并掌握线性回归和逻辑回归的工作原理。
先修要求
课程大纲
课程大纲
1
平行斜率
将您的线性回归技能扩展到"平行斜率"回归，包含一个数值型解释变量和一个分类型解释变量。这是迈向多元线性回归的第一步。
2
交互作用
探索解释变量之间交互作用的影响。考虑交互可以让模型更贴近现实，并具备更好的预测能力。您还将处理辛普森悖论：当存在多个解释变量时会出现的一种反直觉结果。
3
多元线性回归
了解建模（尤其是线性回归）如何轻松处理两个以上的解释变量。在掌握线性回归模型拟合之后，您还将实现自己的线性回归算法。
4
多元逻辑回归
将您的逻辑回归技能扩展到多个解释变量。理解支撑此类回归的逻辑分布。最后，实现您自己的逻辑回归算法。
R
R 中级回归
课程完成
