Rozšiř své znalosti lineární regrese o regresi s „paralelními sklony", která kombinuje jednu numerickou a jednu kategorickou vysvětlující proměnnou. To je první krok na cestě k zvládnutí vícenásobné lineární regrese.

Lineární regrese s paralelními přímkami

Fitting a parallel slopes linear regression

Interpretace koeficientů modelu s rovnoběžnými přímkami

Vizualizace jednotlivých vysvětlujících proměnných

Vizualizace paralelních přímek

Predikce rovnoběžných přímek

Predikce pomocí modelu s rovnoběžnými přímkami

Ruční výpočet předpovědí

Hodnocení výkonu modelu

Porovnání koeficientů determinace

Porovnání reziduální standardní chyby

Paralelní sklony

Prozkoumej vliv interakcí mezi vysvětlujícími proměnnými. Zohlednění interakcí umožňuje realističtější modely s lepší prediktivní silou. Narazíš také na Simpsonův paradox – neintuitivní jev, který se projevuje při práci s více vysvětlujícími proměnnými.

Modely pro každou kategorii

Jeden model pro každou kategorii

Predikce z více modelů

Vizualizace více modelů

Jeden model s interakcí

Specifikace interakce

Interakce se srozumitelnými koeficienty

Předpovědi s interakcemi

Predikce s interakcemi

Ruční výpočet predikcí s interakcemi

Simpsonův paradox

Modelování aukcí na eBay

Modelování jednotlivých typů aukcí

Interakce

Zjisti, jak modelování – a lineární regrese zvláště – usnadňuje práci s více než dvěma vysvětlujícími proměnnými. Až ovládneš tvorbu lineárních regresních modelů, implementuješ si vlastní algoritmus lineární regrese.

Dvě číselné vysvětlující proměnné

3D vizualizace

Modelování se 2 numerickými vysvětlujícími proměnnými

Zahrnutí interakce

Více než 2 vysvětlující proměnné

Vizualizace mnoha proměnných

Různé úrovně interakcí

Znovu předpovídáme

Jak funguje lineární regrese

Součet čtverců

Algoritmus lineární regrese

Vícenásobná lineární regrese

Rozšiř své znalosti logistické regrese na více vysvětlujících proměnných. Pochopíš logistické rozdělení, které tvoří základ tohoto typu regrese. Na závěr implementuješ vlastní algoritmus logistické regrese.

Mnohonásobná logistická regrese

Vizualizace více vysvětlujících proměnných

Logistická regrese se 2 vysvětlujícími proměnnými

Predikce pomocí logistické regrese

Matice záměn

Logistické rozdělení

Kumulativní distribuční funkce

Inverzní funkce kumulativního rozdělení

Argument family pro binomické rozdělení

Parametry logistického rozdělení

Jak funguje logistická regrese

Likelihood a log-likelihood

Algoritmus logistické regrese

Gratulujeme!

Vícenásobná logistická regrese

Bank churn

eBay Palm Pilot auctions

Taiwan real estate prices

Lineární regrese a logistická regrese patří k nejpoužívanějším statistickým modelům – fungují jako univerzální klíče, které odemykají skryté zákonitosti v datech. Tento kurz navazuje na dovednosti z kurzu „Introduction to Regression in R" a rozšiřuje je o lineární a logistickou regresi s více vysvětlujícími proměnnými. Prostřednictvím praktických cvičení prozkoumáš vztahy mezi proměnnými na reálných datasetech – ceny nemovitostí na Tchaj-wanu, modelování odchodu zákazníků a další. Po absolvování kurzu budeš umět zahrnout do modelu více vysvětlujících proměnných, porozumíš tomu, jak interakce mezi proměnnými ovlivňují predikce, a pochopíš, jak lineární i logistická regrese fungují.

Introduction to Regression in R

Zjistěte, jak zahrnout více proměnných do modelu, jak interakce ovlivňují predikce a jak funguje regrese v R.

Intermediate Regression in R

Naučte se provádět lineární a logistickou regresi s více vysvětlujícími proměnnými.

Dvě číselné vysvětlující proměnné

Create Your Free Account