이 장에서는 Generalized Linear Model이 데이터 과학 도구 상자의 다른 모델을 확장하는 방식에 대해 학습합니다. 또한 Poisson 회귀를 사용해 GLM의 개념을 소개합니다.

선형 모델의 한계

선형 모델의 가정

선형 모델 적합 복습

포아송 회귀

R에서 포아송 회귀 적합하기

선형 회귀와 포아송 회귀 비교하기

절편: 비교 방식 vs 평균 방식

glm()로 살펴보는 기본 lm() 함수

glm에 summary(), print(), tidy() 적용하기

glm()에서 계수 추출하기

glm()으로 예측하기

회귀 도구 상자를 확장하는 GLM

이 장에서는 로지스틱 회귀를 실행하고 모델 결과를 검토하는 방법을 다룹니다.

로지스틱 회귀 개요

로지스틱 회귀 적합하기

로지스틱 회귀 결과 살펴보기와 해석하기

베르누이 분포와 이항 분포 비교

베르누이와 이항분포 비교

이진 데이터 시뮬레이션

롱 포맷 로지스틱 회귀 입력

와이드 형식 입력 로지스틱 회귀

로지스틱 회귀 결과 비교하기

연결 함수 - 로짓과 비교한 프로빗

Probit와 Logit 비교

프로빗과 로지트 적합하기

로짓 시뮬레이션하기

프로빗 시뮬레이션

로지스틱 회귀

이 장에서는 GLM 계수를 해석하는 방법과 ggplot2를 사용해 GLM을 시각화하는 방법을 배웁니다.

포아송 회귀 계수

포아송 링크

lm와 Poisson 계수 비교

포아송 회귀 그리기

포아송 회귀 플로팅

로지스틱 회귀 결과 해석하기

오즈비 이해하기

오즈비 추출과 해석

Tidyverse에서 오즈비와 신뢰 구간

ggplot2와 이항 회귀

기본 추세선

추세선 방법

probit와 logit 비교하기

GLM 해석과 시각화

이 장에서는 R에서 GLM으로 다중 회귀를 수행하는 방법을 학습합니다.

다중 로지스틱 회귀

다중 로지스틱 회귀 적합하기

두 가지 모델 만들기

회귀 결과 비교하기

변수 순서 비교

R에서의 수식

여러 기울기

절편(Intercepts)

여러 개의 절편

다중 로지스틱 회귀의 가정

심슨의 역설

비선형 로지스틱 회귀

마무리

GLM을 활용한 다중 회귀

Bus Commuter dataset

선형 회귀는 통계의 기본 도구이지만, 복잡한 형태의 일부 데이터는 다루지 못합니다. Generalized Linear Model(GLM)은 선형 회귀를 확장해 이항형 및 개수형 데이터를 포함한 비정규 분포를 모델링합니다. 이 강의 전반에서 R에서 GLM을 다루는 방법을 익혀 데이터 과학 도구 상자를 확장하게 됩니다. GLM을 학습하면서 이항형 데이터에는 로지스틱 회귀, 개수형 데이터에는 Poisson 회귀를 적합하는 방법을 배우게 됩니다. 또한 결과를 해석하는 방법과 ggplot2로 시각화하는 방법도 학습합니다.

Intermediate Regression in R

로지스틱 회귀로 이항 데이터, 포아송 회귀로 카운트 데이터 적합 및 ggplot2로 결과 시각화 배우기.

R에서 Generalized Linear Models

Generalized Linear Model 코스로 회귀 도구를 확장해 logistic 및 Poisson 회귀를 학습합니다.

베르누이와 이항분포 비교

R에서 Generalized Linear Models

실습형 인터랙티브 연습문제