前の2つのモデルについて、正規化スケール–ロケーションプロットを示します。これは、当てはめ値に対する残差の大きさを表しています。
元のモデル（n_clicks と n_impressions）
n_clicks
n_impressions
変換後のモデル（n_clicks ^ 0.25 と n_impressions ^ 0.25）
n_clicks ^ 0.25
n_impressions ^ 0.25
y軸の数値とトレンドラインの傾きに注目してください。 次のうち正しいものはどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この広く使われる統計モデルの基本、回帰とは何か、そして線形回帰とロジスティック回帰の違いを学びます。続いて、数値変数とカテゴリ変数を説明変数に用いたシンプルな線形回帰モデルの当てはめ方を学び、モデル係数を使って応答変数と説明変数の関係をどのように表すかを理解します。
この章では、線形回帰モデルを使って台湾の住宅価格やFacebook広告のクリック数を予測する方法を学びます。さらに、モデルオブジェクトを実際に扱いながらスキルを磨き、「平均への回帰」という概念を理解し、データセット内の変数を変換する方法も学びます。
この章では、モデルに問いかけることで当てはまりを評価する方法を学びます。線形回帰モデルがどれだけよく当てはまっているかを定量化し、可視化を使ってモデルの問題を診断し、モデル作成に用いた各観測値のレバレッジと影響度を理解します。
現在の演習
ロジスティック回帰モデルの当てはめ方を学びます。実データを用いて、顧客が銀行口座を解約する可能性を成功確率やオッズ比として予測し、混同行列を用いてモデル性能を定量化します。
