or
To ćwiczenie jest częścią kursu
Rozszerz swoje umiejętności w zakresie regresji liniowej o regresję „równoległych nachyleń" – z jedną numeryczną i jedną kategoryczną zmienną objaśniającą. To pierwszy krok na drodze do opanowania wielorakiej regresji liniowej.
Zbadaj wpływ interakcji między zmiennymi objaśniającymi. Uwzględnienie interakcji pozwala tworzyć bardziej realistyczne modele o lepszej sile predykcyjnej. Zmierzysz się również z paradoksem Simpsona – nieoczywistym zjawiskiem, które pojawia się przy pracy z wieloma zmiennymi objaśniającymi.
Przekonaj się, jak modelowanie – a w szczególności regresja liniowa – ułatwia pracę z więcej niż dwiema zmiennymi objaśniającymi. Po opanowaniu dopasowywania modeli regresji liniowej zaimplementujesz własny algorytm regresji liniowej.
Rozszerz swoje umiejętności w zakresie regresji logistycznej o wiele zmiennych objaśniających. Poznasz rozkład logistyczny, który stanowi podstawę tego rodzaju regresji. Na koniec zaimplementujesz własny algorytm regresji logistycznej.
Bieżące ćwiczenie