Amplía tus conocimientos de regresión lineal a la regresión de "pendientes paralelas", con una variable explicativa numérica y otra categórica. Este es el primer paso para conquistar la regresión lineal múltiple.

Regresión lineal de pendientes paralelas

Ajuste de una regresión lineal de pendientes paralelas

Interpretar los coeficientes de las pendientes paralelas

Visualización de cada variable explicativa

Visualizar pendientes paralelas

Predecir pendientes paralelas

Predicción con un modelo de pendientes paralelas

Calcular manualmente las predicciones

Evaluar el rendimiento del modelo

Comparación de los coeficientes de determinación

Comparación del error típico residual

Pendientes paralelas

Explora el efecto de las interacciones entre las variables explicativas. Considerar las interacciones permite obtener modelos más realistas que pueden tener un mejor poder predictivo. También te enfrentarás a la paradoja de Simpson: un resultado no intuitivo que surge cuando tienes múltiples variables explicativas.

Modelos para cada categoría

Un modelo por categoría

Predicción de modelos múltiples

Visualizar varios modelos

Un modelo con una interacción

Especificar una interacción

Interacciones con coeficientes comprensibles

Hacer predicciones con interacciones

Predecir con interacciones

Cálculo manual de predicciones con interacciones

La paradoja de Simpson

Modelar subastas de eBay

Modelización de cada tipo de subasta

Interacciones

Observa cómo la modelización, y la regresión lineal en particular, facilitan el trabajo con más de dos variables explicativas. Una vez que domines el ajuste de modelos de regresión lineal, podrás poner en práctica tu propio algoritmo de regresión lineal.

Dos variables explicativas numéricas

Visualizaciones 3D

Modelización de 2 variables explicativas numéricas

Incluir una interacción

Más de 2 variables explicativas

Visualizar muchas variables

Diferentes niveles de interacción

Predecir de nuevo

Cómo funciona la regresión lineal

La suma de cuadrados

Algoritmo de regresión lineal

Regresión lineal múltiple

Amplía tus conocimientos de regresión logística a variables explicativas múltiples. Comprende la distribución logística, en la que se basa esta forma de regresión. Por último, aplica tu propio algoritmo de regresión logística.

Regresión logística múltiple

Visualización de múltiples variables explicativas

Regresión logística con 2 variables explicativas

Predicción por regresión logística

Matriz de confusión

La distribución logística

Función de distribución acumulativa

Función de distribución acumulativa inversa

argumento de la familia binomial

Parámetros de la distribución logística

Cómo funciona la regresión logística

Probabilidad y log-verosimilitud

Algoritmo de regresión logística

¡Enhorabuena!

Taiwan real estate prices

eBay Palm Pilot auctions

Bank churn

La regresión lineal y la regresión logística son los dos modelos estadísticos más utilizados y actúan como llaves maestras, desvelando los secretos ocultos en los conjuntos de datos. Este curso se basa en los conocimientos adquiridos en "Introducción a la regresión en R", y abarca la regresión lineal y logística con múltiples variables explicativas. Mediante ejercicios prácticos, explorarás las relaciones entre variables en conjuntos de datos del mundo real, los precios de la vivienda en Taiwán y la modelización de la rotación de clientes, entre otros. Al final de este curso, sabrás cómo incluir múltiples variables explicativas en un modelo, comprenderás cómo las interacciones entre variables afectan a las predicciones y entenderás cómo funcionan la regresión lineal y logística.

Introduction to Regression in R

Descubre cómo incluir variables explicativas en un modelo, cómo las interacciones afectan y cómo funciona la regresión en R.

Regresión intermedia en R

Aprende a realizar regresión lineal y logística con múltiples variables explicativas.

Científico de datos asociado en R

Científico de machine learning in R

Estadístico en R

Fundamentos de Estadística in R

Aprendizaje automático supervisado en R

Data Evangelist at DataCamp

Multiple logistic regression

Bank churn dataset

glm()

Prediction flow

The four outcomes

Confusion matrix

Visualization

Let's practice!

https://s3.amazonaws.com/assets.datacamp.com/production/course_37240/subtitles/course_37240_f8525be61ce590554da4ce2dc40ba588.vtt

Regresión logística múltiple - Regresión logística múltiple