Python statsmodels für lineare und logistische Regression verwenden

Lineare Regression und logistische Regression sind zwei der am häufigsten verwendeten statistischen Modelle. Sie wirken wie Generalschlüssel, die die Geheimnisse in deinen Daten aufschließen. In diesem Kurs lernst du, wie du einfache lineare und logistische Regressionen anwenden kannst.

In praktischen Übungen erkundest du die Beziehungen zwischen Variablen in realen Datensätzen, wie z.B. Kfz-Versicherungsansprüche, Hauspreise in Taiwan, Fischgrößen und mehr.

Entdecke, wie du Vorhersagen treffen und die Modellanpassung bewerten kannst

Zu Beginn dieses 4-stündigen Kurses lernst du, was Regression ist und wie sich lineare und logistische Regression unterscheiden und wie du beide anwenden kannst. Als Nächstes lernst du, wie du lineare Regressionsmodelle verwendest, um Vorhersagen über Daten zu treffen und Modellobjekte zu verstehen.

Im weiteren Verlauf lernst du, wie du die Passung deines Modells beurteilen kannst und wie du weißt, wie gut dein lineares Regressionsmodell passt. Zum Schluss beschäftigst du dich mit logistischen Regressionsmodellen, um Vorhersagen für echte Daten zu treffen.

Lerne die Grundlagen der Regressionsanalyse mit Python

Am Ende dieses Kurses wirst du wissen, wie du aus deinen Daten Vorhersagen machen, die Modellleistung quantifizieren und Probleme mit der Modellanpassung diagnostizieren kannst. Du verstehst, wie man Python-Statistikmodelle für Regressionsanalysen verwendet, und kannst die Kenntnisse auf reale Datensätze anwenden.

Estimate the slope

Interaktive praktische Übung