ML pour Business Managers: Générer un modèle de régression dans R Studio

Ce cours vous guide tout au long des étapes que vous devez suivre lors de l'élaboration de solutions à vos problèmes métier à l'aide de la régression linéaire. Vous devez prendre en compte le problème que vous avez l'intention de résoudre lors de la création d'un modèle car la valeur de la sortie dépend de la qualité des entrées. Nous pouvons vous aider à comprendre les différents traitements reçus par les données qualitatives et quantitatives et à couvrir également l'importance du prétraitement et de l'interprétation des données lors de l'utilisation des techniques d'apprentissage automatique.

Ce cours vous présente le concept d'analyse bivariée: l'analyse simultanée de deux variables. Il explore la possibilité d'une relation entre deux variables et leur impact. Nous discutons ensuite de la corrélation, une mesure qui révèle la mesure dans laquelle deux variables ou plus changent ensemble, et nous décrirons le rôle de la régression linéaire dans la modélisation de leur relation. Le cours décompte différentes méthodes et techniques de modélisation linéaire pour vous aider à utiliser l'apprentissage automatique pour prévoir les changements futurs qui affectent votre entreprise.

Nous examinons ensuite l'idée d'une "erreur standard résiduelle" (RSE), à quel point la réponse différera de la courbe de régression "vraie". La compréhension de cette section vous aidera à reconnaître que la méthode statistique de "retrait" correspond à un modèle impliquant toutes les variables prédictives. Les coefficients estimés sont schébraux vers zéro, par rapport aux estimations les moins carrées. Enfin, nous étudions les techniques de sélection des sous-ensembles, la régression par crête et lasso dans la R avant d'évaluer la précision des coefficients prédits et la matrice de corrélation dans R. Ce cours peut aider les chefs d'entreprise, les cadres ou toute autre personne intéressée à utiliser l'apprentissage automatique et la régression linéaire pour prédire les développements futurs et la résolution de problèmes.