Introdução à regressão em R
"Preveja preços de imóveis e taxa de cliques em anúncios usando análise de regressão em R."
Comece O Curso Gratuitamente4 horas14 vídeos52 exercícios56.370 aprendizesDeclaração de Realização
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
A regressão linear e a regressão logística são os dois modelos estatísticos mais usados e funcionam como chaves mestras, desvendando os segredos ocultos nos conjuntos de dados. Neste curso, você adquirirá as habilidades necessárias para ajustar regressões lineares e logísticas simples. Por meio de exercícios práticos, você explorará as relações entre variáveis em conjuntos de dados do mundo real, incluindo reclamações de seguros de automóveis, preços de casas em Taiwan, tamanhos de peixes e muito mais. Ao final deste curso, você saberá como fazer previsões a partir dos seus dados, quantificar o desempenho do modelo e diagnosticar problemas com o ajuste do modelo.
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Estatístico in R
Ir para a trilhaFundamentos de estatística in R
Ir para a trilha- 1
Regressão linear simples
GratuitoVocê aprenderá os conceitos básicos desse modelo estatístico popular, o que é regressão e como as regressões linear e logística diferem. Em seguida, você aprenderá a ajustar modelos de regressão linear simples com variáveis explicativas numéricas e categóricas e a descrever a relação entre a resposta e as variáveis explicativas usando os coeficientes do modelo.
Uma história de duas variáveis50 xpQual delas é a variável de resposta?50 xpVisualização de duas variáveis100 xpAjuste de uma regressão linear50 xpEstimar o intercepto50 xpEstimar a inclinação50 xpRegressão linear com lm()100 xpVariáveis explicativas categóricas50 xpVisualização de dados numéricos versus dados categóricos100 xpCálculo de médias por categoria100 xplm() com uma variável explicativa categórica100 xp - 2
Previsões e objetos-modelo
Neste capítulo, você descobrirá como usar modelos de regressão linear para fazer previsões sobre os preços de imóveis em Taiwan e cliques em anúncios do Facebook. Você também desenvolverá suas habilidades de regressão à medida que colocar a mão na massa com objetos de modelo, entender o conceito de "regressão à média" e aprender a transformar variáveis em um conjunto de dados.
Fazendo previsões50 xpPrevisão de preços de imóveis100 xpVisualização de previsões100 xpOs limites da previsão100 xpTrabalhando com objetos de modelo50 xpExtração de elementos do modelo100 xpPrevisão manual de preços de imóveis100 xpUsando a vassoura100 xpRegressão à média50 xpVocê está no ponto!50 xpPlotagem de retornos consecutivos do portfólio100 xpModelagem de retornos consecutivos100 xpTransformando variáveis50 xpTransformando a variável explicativa100 xpTransformando a variável de resposta também100 xp - 3
Avaliação da adequação do modelo
Neste capítulo, você aprenderá a fazer perguntas ao seu modelo para avaliar o ajuste. Você aprenderá a quantificar a adequação de um modelo de regressão linear, a diagnosticar problemas de modelo usando visualizações e a entender a alavancagem e a influência de cada observação usada para criar o modelo.
Quantificação do ajuste do modelo50 xpCoeficiente de determinação100 xpErro padrão residual100 xpVisualização do ajuste do modelo50 xpResíduos vs. valores ajustados50 xpGráfico Q-Q de resíduos50 xpLocalização em escala50 xpDesenho de gráficos de diagnóstico100 xpExcedentes, alavancagem e influência50 xpAlavancagem50 xpInfluência50 xpExtração de alavancagem e influência100 xp - 4
Regressão logística simples
Aprenda a ajustar modelos de regressão logística. Usando dados do mundo real, você preverá a probabilidade de um cliente fechar sua conta bancária como probabilidades de sucesso e índices de probabilidade e quantificará o desempenho do modelo usando matrizes de confusão.
Por que você precisa da regressão logística50 xpExplorando as variáveis explicativas100 xpVisualização de modelos lineares e logísticos100 xpRegressão logística com glm()100 xpPrevisões e taxas de probabilidade50 xpProbabilidades100 xpResultado mais provável100 xpRazão de chances100 xpRazão de probabilidade de log100 xpQuantificação do ajuste da regressão logística50 xpCálculo da matriz de confusão100 xpMedição do desempenho do modelo logístico100 xpPrecisão, sensibilidade, especificidade100 xpParabéns a você50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Estatístico in R
Ir para a trilhaFundamentos de estatística in R
Ir para a trilhacolaboradores
Richie Cotton
Ver MaisData Evangelist at DataCamp
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece Introdução à regressão em R hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.