Regresión logística en RStudio

¿Desea ser un experto en la resolución de problemas de negocio utilizando el modelo de regresión logística? La solución de problemas de negocio complejos utilizando diferentes técnicas de clasificación le hará un activo valioso en cualquier organización. Este curso le ayudará a obtener información sobre las tres principales técnicas de clasificación (regresión logística, análisis discriminante lineal y vecinos más cercanos al k) utilizados para predecir un tipo categórico cualitativo de respuesta, que ofrecen predicciones bastante precisas. Descubrirá que hay dos tipos de preguntas de negocio que necesita para solicitar la construcción del modelo de regresión logística. Este curso también le ayudará a predecir si un resultado particular será realizado dentro de un marco de tiempo específico. Imagine no tener que preocuparse por el efecto de las variables individuales en la salida. Aprenderá a predecir el valor de una variable de respuesta. En este proceso, aprenderá a estimar con precisión el efecto de cada variable predictora en la variable de respuesta.

Se le introducirá el aprendizaje automático que hace referencia a la programación de un sistema para maximizar o minimizar un criterio de rendimiento determinado basado en datos pasados. A continuación, encontrará que no se puede utilizar la regresión lineal para la clasificación si la variable de respuesta contiene más de dos niveles, por lo que la técnica de regresión logística es más adecuada. Esta técnica utiliza la función sigmoid para limitar el rango de salida. Esto asegura que la salida de esa función en particular pueda capturar el rango de probabilidades en comparación con el modelo de regresión lineal. Descubra que las razones para estimar la relación entre las variables dependientes e independientes son la predicción y la inferencia. La razón de la predicción se centra en el valor de Y y no en su relación con otras variables. La razón de inferencia busca establecer cómo la variable de salida difiere con un cambio en cada variable predictora.

A continuación, aprenderá que las variables categóricas no pueden asumir un valor numérico, pero pueden clasificarse en dos o más categorías no numéricas. Por el contrario, las variables continuas pueden suponer cualquier valor numérico durante un intervalo o intervalos específicos. El curso discutirá los fundamentos de las estadísticas y de RStudio. Obtener información sobre la clasificación de las herramientas estadísticas en categorías descriptivas e inferenciales. Las estadísticas descriptivas consisten en métodos para organizar, mostrar y describir datos a través de tablas, gráficos y medidas de resumen. Las estadísticas inferenciales consisten en métodos que utilizan resultados de muestra para ayudar a tomar decisiones o predicciones sobre una población. Por último, aprenderá acerca de la creación de diagramas de barras e histogramas en R, el trazado de un árbol de decisiones, la imputación de valor faltante, los resultados de modelos de regresión logística simple y la interpretación de los resultados de los modelos de clasificación. Este curso será de interés para los científicos de datos, ejecutivos o estudiantes interesados en aprender sobre la regresión logística. ¿Por qué esperar? Comience este curso hoy y conviértete en un experto en regresión logística.