Chương này dạy bạn cách generalized linear models mở rộng các mô hình khác trong hộp công cụ khoa học dữ liệu của bạn. Chương cũng sử dụng Poisson regression để giới thiệu generalized linear models.

Những giới hạn của mô hình tuyến tính

Các giả định của mô hình tuyến tính

Ôn lại cách khớp mô hình tuyến tính

Hồi quy Poisson

Khớp hồi quy Poisson trong R

So sánh hồi quy tuyến tính và hồi quy Poisson

Hệ số chặn: so sánh và trung bình

Các hàm lm() cơ bản với glm()

Áp dụng summary(), print(), và tidy() cho glm

Trích xuất hệ số từ glm()

Dự đoán với glm()

GLM: mở rộng hộp công cụ hồi quy của bạn

Chương này hướng dẫn chạy logistic regression và xem xét các đầu ra của mô hình.

Tổng quan về hồi quy logistic

Ước lượng hồi quy logistic

Xem xét và diễn giải đầu ra hồi quy logistic

Phân phối Bernoulli và phân phối nhị thức

Bernoulli và nhị thức

Mô phỏng dữ liệu nhị phân

Đầu vào hồi quy logistic dạng long

Hồi quy logistic với dữ liệu dạng rộng (wide-form)

So sánh đầu ra của hồi quy logistic

Hàm liên kết – So sánh Probit và logit

Probit so với logit

Ước lượng probit và logit

Mô phỏng một logit

Mô phỏng một probit

Logistic Regression

Chương này dạy bạn cách diễn giải các hệ số GLM và vẽ GLM bằng ggplot2.

Hệ số hồi quy Poisson

Liên kết Poisson

Hệ số lm vs. Poisson

Vẽ biểu đồ hồi quy Poisson

Hiểu đầu ra từ hồi quy logistic

Hiểu về tỷ lệ cược (odds ratio)

Trích xuất và diễn giải odds-ratio

Tỷ số odds & khoảng tin cậy trong Tidyverse

ggplot2 và hồi quy nhị thức

Đường xu hướng mặc định

Các phương pháp cho đường xu hướng

So sánh probit và logit

Diễn giải và trực quan hóa GLM

Trong chương này, bạn sẽ học cách thực hiện hồi quy đa biến với GLM trong R.

Hồi quy logistic bội

Khớp mô hình hồi quy logistic đa biến

Xây dựng hai mô hình

So sánh kết quả hồi quy

So sánh thứ tự biến

Công thức trong R

Nhiều hệ số góc

Hệ số chặn (Intercepts)

Nhiều hệ số chặn (intercept)

Các giả định của hồi quy logistic bội

Nghịch lý Simpson

Hồi quy logistic phi tuyến

Kết luận

Hồi quy đa biến với GLM

Bus Commuter dataset

Hồi quy tuyến tính là công cụ chủ lực của thống kê nhưng không xử lý được một số kiểu dữ liệu phức tạp. Generalized linear model (GLM) mở rộng hồi quy tuyến tính để bao gồm các phân phối không chuẩn, như dữ liệu nhị thức và dữ liệu đếm. Xuyên suốt khóa học này, bạn sẽ mở rộng bộ công cụ khoa học dữ liệu của mình để bao gồm GLM trong R. Trong quá trình học về GLM, bạn sẽ biết cách khớp mô hình cho dữ liệu nhị thức bằng logistic regression và cho dữ liệu đếm bằng Poisson regression. Bạn cũng sẽ học cách hiểu kết quả và trực quan hóa chúng với ggplot2.

Intermediate Regression in R

Học cách điều chỉnh dữ liệu nhị thức với hồi quy logistic và dữ liệu đếm với hồi quy Poisson, dùng ggplot2.

Generalized Linear Models in R

Khóa học “Mô hình tuyến tính tổng quát” sẽ mở rộng bộ công cụ hồi quy của quý vị để bao gồm hồi quy logistic và hồi quy Poisson.

Tổng quan về hồi quy logistic

Create Your Free Account