Valori extreme, leverage și influență

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Acest exercițiu face parte din cursul

Introducere în regresia cu statsmodels în Python

SkillTag.level.intermediateSkillTag.label

4.8+

2957 reviews

Începe cursul gratuit

Vei învăța elementele de bază ale acestui model statistic popular, ce reprezintă regresia și cum diferă regresia liniară de cea logistică. Vei vedea apoi cum să construiești modele de regresie liniară simplă cu variabile explicative numerice și categoriale și cum să descrii relația dintre variabila răspuns și variabilele explicative folosind coeficienții modelului.

Exercise 1: Povestea a două variabile Exercise 2: Care este variabila de răspuns?Exercise 3: Vizualizarea a două variabile numerice Exercise 4: Ajustarea unei regresii liniare Exercise 5: Estimează ordonata la origine Exercise 6: Estimează panta Exercise 7: Regresie liniară cu ols()Exercise 8: Variabile explicative categoriale Exercise 9: Vizualizarea unei variabile numerice față de una categorică Exercise 10: Calcularea mediilor pe categorii Exercise 11: Regresia liniară cu o variabilă explicativă categorială

În acest capitol, vei descoperi cum să folosești modele de regresie liniară pentru a face predicții privind prețurile locuințelor din Taiwan și numărul de clicuri pe reclame Facebook. Îți vei aprofunda totodată cunoștințele de regresie lucrând direct cu obiecte de model, înțelegând conceptul de „regresie spre medie" și învățând cum să transformi variabilele dintr-un set de date.

Exercise 1: Realizarea predicțiilor Exercise 2: Predicția prețurilor caselor Exercise 3: Vizualizarea predicțiilor Exercise 4: Limitele predicției Exercise 5: Lucrul cu obiectele model Exercise 6: Extragerea elementelor modelului Exercise 7: Predicția manuală a prețurilor locuințelor Exercise 8: Regresia spre medie Exercise 9: Home run!Exercise 10: Reprezentarea grafică a randamentelor consecutive ale portofoliului Exercise 11: Modelarea randamentelor consecutive Exercise 12: Transformarea variabilelor Exercise 13: Transformarea variabilei explicative Exercise 14: Transformarea și a variabilei răspuns Exercise 15: Transformare inversă

În acest capitol, vei învăța cum să evaluezi calitatea modelului tău. Vei vedea cum să cuantifici cât de bine se potrivește un model de regresie liniară, cum să diagnostichezi problemele modelului cu ajutorul vizualizărilor și cum să înțelegi influența și efectul de pârghie al fiecărei observații asupra modelului.

Exercise 1: Cuantificarea calității modelului Exercise 2: Coeficientul de determinare Exercise 3: Eroarea standard reziduală Exercise 4: Vizualizarea calității modelului Exercise 5: Reziduuri vs. valori ajustate Exercise 6: Graficul Q-Q al reziduurilor Exercise 7: Scala-locație Exercise 8: Desenarea graficelor de diagnosticare Exercise 9: Valori extreme, leverage și influență

Exercițiul curent

Exercise 10: Leverage Exercise 11: Influență Exercise 12: Extragerea efectului de levier și a influenței

Învață să construiești modele de regresie logistică. Folosind date reale, vei prezice probabilitatea ca un client să își închidă contul bancar, atât ca probabilități de succes, cât și ca cote, și vei cuantifica performanța modelului folosind matrici de confuzie.

Exercise 1: De ce ai nevoie de regresia logistică Exercise 2: Explorarea variabilelor explicative Exercise 3: Vizualizarea modelelor liniare și logistice Exercise 4: Regresia logistică cu logit()Exercise 5: Predicții și cote Exercise 6: Probabilități Exercise 7: Cel mai probabil rezultat Exercise 8: Cote Exercise 9: Log odds Exercise 10: Cuantificarea calității regresiei logistice Exercise 11: Calcularea matricei de confuzie Exercise 12: Crearea unui grafic mozaic al matricei de confuzie Exercise 13: Acuratețe, sensibilitate, specificitate Exercise 14: Măsurarea performanței modelului logistic Exercise 15: Felicitări