Użyj Python statsmodels do regresji liniowej i logistycznej

Regresja liniowa i regresja logistyczna to dwa z najczęściej stosowanych modeli statystycznych. Działają jak klucze główne, odblokowując sekrety ukryte w Twoich danych. W tym kursie zdobędziesz umiejętności dopasowywania prostych regresji liniowych i logistycznych.

Dzięki praktycznym ćwiczeniom poznasz zależności między zmiennymi w rzeczywistych zbiorach danych, w tym dotyczących roszczeń z ubezpieczeń komunikacyjnych, cen domów na Tajwanie, rozmiarów ryb i nie tylko.

Odkryj, jak tworzyć prognozy i oceniać dopasowanie modelu

Zaczniesz ten 4-godzinny kurs od poznania, czym jest regresja i czym różnią się regresja liniowa oraz logistyczna, a także nauczysz się, jak stosować obie. Następnie nauczysz się, jak używać modeli regresji liniowej do prognozowania na podstawie danych, a jednocześnie zrozumiesz obiekty modeli.

W miarę postępów nauczysz się oceniać dopasowanie swojego modelu oraz sprawdzać, jak dobrze pasuje Twój model regresji liniowej. Wreszcie zagłębisz się w modele regresji logistycznej, aby tworzyć prognozy na podstawie rzeczywistych danych.

Poznaj podstawy analizy regresji w Pythonie

Po ukończeniu tego kursu będziesz wiedzieć, jak tworzyć prognozy na podstawie swoich danych, mierzyć skuteczność modelu i diagnozować problemy z dopasowaniem modelu. Dowiesz się, jak używać Python statsmodels do analizy regresji i będziesz potrafić zastosować te umiejętności do rzeczywistych zbiorów danych.

Regresja do średniej

Create Your Free Account