or
Den här övningen är en del av kursen
Repetera linjära modeller och lär dig hur GLM utgör en utvidgning av den linjära modellen för olika typer av responsvariablar. Du får också lära dig grundkomponenterna i GLM och den tekniska processen för att anpassa en GLM i Python.
Det här kapitlet fokuserar på logistisk regression. Du lär dig om strukturen hos binära data, logit-länkfunktionen, modellanpassning samt hur man tolkar modellkoefficienter, drar slutsatser från modellen och utvärderar modellens prestanda.
Här lär du dig om Poissonregression, inklusive en genomgång av diskreta data, Poissonfördelningen och tolkning av modellanpassningen. Du lär dig också hur du hanterar problem med överdispersion. Avslutningsvis får du praktisk erfarenhet av modellvisualisering.
I det här avslutande kapitlet lär du dig hur du ökar modellens komplexitet genom att lägga till fler förklarande variabler. Du övar på problemet med multikollinearitet samt på att hantera kategoriska variabler och interaktionstermer i din modell.
Aktuell övning