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，像万能钥匙一样，帮助揭示数据集中的规律。在本课程中，您将学会拟合简单的线性回归和逻辑回归。通过动手练习，您将探索真实世界数据集中变量之间的关系，例如机动车保险理赔、台湾房价、鱼类体长等。课程结束时，您将能够基于数据进行预测、量化模型性能，并诊断模型拟合中的问题。
先修要求
课程大纲
课程大纲
1
简单线性回归
您将学习这一常用统计模型的基础：什么是回归，以及线性回归与逻辑回归的区别。接着，您将学习如何使用数值型和分类型解释变量来拟合简单线性回归模型，并通过模型系数来描述响应变量与解释变量之间的关系。
2
预测与模型对象
本章将带您使用线性回归模型对台湾房价和 Facebook 广告点击进行预测。您还将通过上手机器学习模型对象、理解"回归到均值"的概念，并学习如何对数据集中的变量进行变换，从而进一步提升回归技能。
3
评估模型拟合
本章将学习如何围绕模型提出问题以评估拟合效果。您将学会量化线性回归模型的拟合优度，利用可视化诊断模型问题，并理解用于构建模型的每个观测的杠杆值与影响力。
4
简单逻辑回归
学习如何拟合逻辑回归模型。借助真实世界数据，您将把客户销户的可能性表示为成功概率和优势比进行预测，并使用混淆矩阵量化模型性能。
R
R 中的回归入门
课程完成
