前の2つのモデルについて、正規Q–Qプロットを示します。
元のモデル（n_clicks 対 n_impressions）:
n_clicks
n_impressions
変換後のモデル（n_clicks ** 0.25 対 n_impressions ** 0.25）:
n_clicks ** 0.25
n_impressions ** 0.25
「正規性」ラインに点がどの程度沿っているかを観察してください。どの記述が正しいでしょうか。
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
この人気の統計モデルの基本、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として用いた単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現するかを理解します。
このチャプターでは、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。また、モデルオブジェクトを実際に扱いながらスキルを伸ばし、「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変換の方法も身につけます。
このチャプターでは、モデルに問いを立てて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の程度データに適合しているかを数値化し、可視化を用いてモデルの問題を診断し、各観測値がモデル作成に与えるレバレッジや影響力を理解します。
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確率を成功確率やオッズとして予測し、混同行列でモデル性能を評価します。
