Introdução à regressão com statsmodels em Python

Use o Python statsmodels para regressão linear e logística

A regressão linear e a regressão logística são dois dos modelos estatísticos mais usados. Eles funcionam como chaves mestras, revelando os segredos ocultos em seus 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.

Descubra como fazer previsões e avaliar o ajuste do modelo

Você começará este curso de 4 horas aprendendo o que é regressão e como a regressão linear e a regressão logística diferem, aprendendo a aplicar ambas. Em seguida, você aprenderá a usar modelos de regressão linear para fazer previsões sobre os dados e, ao mesmo tempo, entender os objetos do modelo.

À medida que avançar, você aprenderá a avaliar o ajuste do modelo e a saber se o modelo de regressão linear está bem ajustado. Por fim, você se aprofundará nos modelos de regressão logística para fazer previsões em dados reais.

Aprenda os fundamentos da análise de regressão em Python

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. Você entenderá como usar os modelos estatísticos do Python para análise de regressão e poderá aplicar as habilidades a conjuntos de dados reais.