or
Ця вправа є частиною курсу
Повторіть лінійні моделі та дізнайтеся, як GLM розширюють лінійну модель для різних типів змінних відгуку. Ви також вивчите складові GLM і технічний процес підгонки GLM у Python.
У цьому розділі зосередимося на логістичній регресії. Ви дізнаєтеся про структуру бінарних даних, логіт-перетворення (logit link), підгонку моделі, а також як інтерпретувати коефіцієнти, робити висновки за моделлю та оцінювати її якість.
Тут ви познайомитеся з Пуассонівською регресією: обговоримо лічильні дані, розподіл Пуассона та інтерпретацію підгонки моделі. Ви також навчитеся долати проблему надрозсіювання. Наостанок ви отримаєте практичний досвід у візуалізації моделей.
У фінальному розділі ви дізнаєтеся, як ускладнити модель, додавши більше ніж одну пояснювальну змінну. Ви попрактикуєтеся працювати з мультиколінеарністю, а також з обробкою категоріальних змінних і взаємодій у моделі.
Поточна вправа