or
यह अभ्यास पाठ्यक्रम का हिस्सा है
अपनी linear regression स्किल्स को parallel slopes regression तक बढ़ाएँ, जहाँ एक numeric और एक categorical explanatory वैरिएबल होता है। यह multiple linear regression सीखने की दिशा में पहला कदम है।
explanatory वैरिएबल्स के बीच होने वाले interactions के प्रभाव को एक्सप्लोर करें। interactions पर विचार करने से मॉडल अधिक यथार्थवादी बनते हैं और उनकी predictive power बेहतर हो सकती है। आप Simpson's Paradox से भी निपटेंगे: एक गैर-सहज परिणाम जो कई explanatory वैरिएबल्स होने पर सामने आता है।
देखें कि modeling और linear regression कैसे दो से अधिक explanatory वैरिएबल्स के साथ काम करना आसान बनाते हैं। जब आप linear regression मॉडल्स फिट करने में निपुण हो जाएँगे, तब आप अपना खुद का linear regression एल्गोरिदम भी इम्प्लीमेंट करेंगे।
अपनी logistic regression स्किल्स को कई explanatory वैरिएबल्स तक विस्तृत करें। आप logistic distribution के बारे में भी सीखेंगे, जो इस प्रकार के regression की नींव है, और फिर अपना खुद का logistic regression एल्गोरिदम इम्प्लीमेंट करेंगे।
वर्तमान अभ्यास