Utilisez les modèles statistiques de Python pour la régression linéaire et logistique
La régression linéaire et la régression logistique sont deux des modèles statistiques les plus utilisés. Ils agissent comme des clés maîtresses, déverrouillant les secrets cachés dans vos données. Dans ce cours, vous acquerrez les compétences nécessaires pour effectuer des régressions linéaires et logistiques simples.Grâce à des exercices pratiques, vous explorerez les relations entre les variables dans des ensembles de données du monde réel, notamment les demandes d'assurance automobile, les prix de l'immobilier à Taiwan, la taille des poissons, etc.
Découvrez comment faire des prédictions et évaluer l'adéquation du modèle
Vous commencerez ce cours de 4 heures en apprenant ce qu'est la régression et en quoi la régression linéaire et la régression logistique diffèrent, en apprenant à les appliquer toutes les deux. Ensuite, vous apprendrez à utiliser les modèles de régression linéaire pour faire des prédictions sur les données tout en comprenant les objets du modèle.Au fur et à mesure de votre progression, vous apprendrez à évaluer l'adéquation de votre modèle et à connaître le degré d'adéquation de votre modèle de régression linéaire. Enfin, vous approfondirez les modèles de régression logistique pour faire des prédictions sur des données réelles.