하나의 수치형 변수와 하나의 범주형 변수를 사용하는 평행 기울기 회귀로 선형 회귀 실력을 확장해 보세요. 이는 다중 선형 회귀를 정복하기 위한 첫걸음입니다.

평행 기울기 선형 회귀

평행 기울기 선형 회귀 적합하기

평행 기울기 계수 해석하기

각 설명 변수 시각화하기

평행 기울기 시각화하기

평행 기울기 예측하기

평행 기울기 모델로 예측하기

평행 기울기 모델 예측 시각화

예측을 수동으로 계산하기

모형 성능 평가하기

결정계수 비교하기

잔차 표준 오차 비교하기

평행 기울기

설명 변수들 사이의 상호작용 효과를 살펴봅니다. 상호작용을 고려하면 더 현실적이고 예측력이 높은 모델을 만들 수 있어요. 또한 여러 설명 변수가 있을 때 나타나는 비직관적 현상인 심슨의 역설도 다룹니다.

각 범주별 모델

범주별로 별도 모델 만들기

여러 모델로 예측하기

여러 모델 시각화하기

모델 성능 평가

상호작용이 있는 하나의 모델

상호작용 지정하기

이해하기 쉬운 계수로 상호작용 다루기

상호작용이 있는 모델로 예측하기

상호작용을 사용한 예측

상호작용이 있는 예측을 수동으로 계산하기

심슨의 역설

eBay 경매 모델링

경매 유형별로 모델링하기

상호작용

모형화와 선형 회귀를 통해 두 개보다 많은 설명 변수를 손쉽게 다루는 방법을 배웁니다. 선형 회귀 모형 적합에 숙달한 뒤에는 직접 선형 회귀 알고리즘을 구현해 볼 거예요.

두 개의 수치형 설명 변수

대화형 3D 산점도

세 개의 수치형 변수 시각화

두 개의 수치형 설명 변수를 사용한 모델링

두 개의 수치형 설명 변수를 시각화하기

상호작용 포함하기

두 개를 넘는 설명 변수 다루기

여러 변수를 시각화하기

상호작용 수준 살펴보기

예측 다시 해보기

선형 회귀는 어떻게 동작하나요

제곱합

선형 회귀 알고리즘

다중 선형 회귀

로지스틱 회귀를 여러 설명 변수로 확장해 봅니다. 또한 이 회귀를 뒷받침하는 logistic distribution에 대해 학습한 뒤, 직접 로지스틱 회귀 알고리즘을 구현해 봅니다.

다중 로지스틱 회귀

두 개의 설명 변수를 사용하는 로지스틱 회귀

로지스틱 회귀 예측

여러 설명 변수를 시각화하기

Confusion matrix

Logistic 분포

누적분포함수

역 누적분포함수

Logistic 분포의 파라미터

로지스틱 회귀는 어떻게 작동하나요

Likelihood & log-likelihood

로지스틱 회귀 알고리즘

축하합니다!

Fish measurement data

Taiwan real estate

Customer churn

Ad conversion

eBay auctions

Linear regression과 logistic regression은 가장 널리 쓰이는 통계 모델로, 데이터셋에 숨겨진 패턴을 밝혀내는 만능 열쇠와 같습니다. 이 강의에서는 "Introduction to Regression in Python with statsmodels"에서 익힌 내용을 바탕으로, 여러 개의 설명 변수를 사용하는 선형 회귀와 로지스틱 회귀를 다룹니다. 실습을 통해 대만 주택 가격, 고객 이탈 모델링 등 실제 데이터셋에서 변수 간 관계를 탐색해 보세요. 강의를 마치면 하나의 모델에 여러 설명 변수를 포함하는 방법, 변수 간 상호작용이 예측에 미치는 영향, 그리고 선형 및 로지스틱 회귀가 작동하는 원리를 이해하게 됩니다.

Introduction to Regression with statsmodels in Python

여러 설명 변수를 사용하여 선형 및 로지스틱 회귀를 수행하는 방법을 배우세요.

Python의 statsmodels로 배우는 중급 회귀

여러 설명 변수를 사용해 선형 및 로지스틱 회귀를 수행하는 방법을 배웁니다.

상호작용이 있는 하나의 모델

Create Your Free Account