Amplie suas habilidades de regressão linear para a regressão de "inclinações paralelas", com uma variável explicativa numérica e outra categórica. Esse é o primeiro passo para você conquistar a regressão linear múltipla.

Regressão linear de inclinações paralelas

Ajuste de uma regressão linear de inclinações paralelas

Interpretação de coeficientes de inclinações paralelas

Visualização de cada variável explicativa

Visualização de inclinações paralelas

Previsão de inclinações paralelas

Previsão com um modelo de inclinações paralelas

Cálculo manual de previsões

Avaliação do desempenho do modelo

Comparação dos coeficientes de determinação

Comparação do erro padrão residual

Encostas paralelas

Explore o efeito das interações entre as variáveis explicativas. A consideração das interações permite a criação de modelos mais realistas que podem ter melhor poder de previsão. Você também lidará com o Paradoxo de Simpson: um resultado não intuitivo que surge quando você tem várias variáveis explicativas.

Modelos para cada categoria

Um modelo por categoria

Previsão de vários modelos

Visualização de vários modelos

Um modelo com uma interação

Especificando uma interação

Interações com coeficientes compreensíveis

Fazer previsões com interações

Previsão com interações

Cálculo manual de previsões com interações

Paradoxo de Simpson

Modelagem de leilões do eBay

Modelagem de cada tipo de leilão

Interações

Veja como a modelagem, e a regressão linear em particular, facilita o trabalho com mais de duas variáveis explicativas. Depois de dominar o ajuste de modelos de regressão linear, você poderá implementar seu próprio algoritmo de regressão linear.

Duas variáveis explicativas numéricas

Visualizações em 3D

Modelagem de 2 variáveis explicativas numéricas

Incluindo uma interação

Mais de duas variáveis explicativas

Visualização de muitas variáveis

Diferentes níveis de interação

Prevendo novamente

Como funciona a regressão linear

A soma dos quadrados

Algoritmo de regressão linear

Regressão linear múltipla

Amplie suas habilidades de regressão logística para múltiplas variáveis explicativas. Entenda a distribuição logística, que é a base dessa forma de regressão. Por fim, implemente seu próprio algoritmo de regressão logística.

Regressão logística múltipla

Visualização de múltiplas variáveis explicativas

Regressão logística com 2 variáveis explicativas

Previsão de regressão logística

Matriz de confusão

A distribuição logística

Função de distribuição cumulativa

Função de distribuição cumulativa inversa

argumento da família binomial

Parâmetros da distribuição logística

Como funciona a regressão logística

Probabilidade e log-verossimilhança

Algoritmo de regressão logística

Parabéns a você

Taiwan real estate prices

eBay Palm Pilot auctions

Bank churn

A regressão linear e a regressão logística são os dois modelos estatísticos mais usados e funcionam como chaves mestras, revelando os segredos ocultos nos conjuntos de dados. Este curso se baseia nas habilidades que você adquiriu em "Introduction to Regression in R", abrangendo regressão linear e logística com múltiplas variáveis explicativas. Por meio de exercícios práticos, você explorará as relações entre variáveis em conjuntos de dados do mundo real, preços de casas em Taiwan e modelagem de rotatividade de clientes, entre outros. Ao final deste curso, você saberá como incluir várias variáveis explicativas em um modelo, entenderá como as interações entre as variáveis afetam as previsões e compreenderá como funcionam a regressão linear e a regressão logística.

Introduction to Regression in R

Descubra como incluir variáveis explicativas, interações e regressão linear e logística no R.

Regressão intermediária no R

Aprenda a realizar regressão linear e logística com múltiplas variáveis explicativas.

Modelos para cada categoria

Create Your Free Account