Você quer ser um especialista em resolver problemas de negócios usando o modelo de regressão logística? Resolver problemas de negócios complexos usando diferentes técnicas de classificação irá torná-lo um ativo valioso em qualquer organização. Este curso irá ajudá-lo a obter insight sobre as três principais técnicas de classificação (regressão logística, análise discriminante linear e vizinhas de k-mais próxima) usadas para prever um tipo categórico qualitativo de resposta, que oferecem previsões bastante precisas. Você descobrirá que existem dois tipos de perguntas de negócios que você precisa pedir para construir o modelo de regressão logística. Este curso também irá ajudá-lo a prever se um determinado resultado será realizado dentro de um prazo específico. Imagine não precisar se preocupar com o efeito de variáveis individuais sobre a saída. Você aprenderá como prever o valor de uma variável de resposta. Neste processo, você aprenderá a estimar com precisão o efeito de cada variável de preditor na variável de resposta.

Você será introduzido no aprendizado de máquina que se refere a programar um computador para maximizar ou minimizar um determinado critério de desempenho com base em dados passados. Em seguida, você descobrirá que a regressão linear não pode ser usada para classificação se a variável de resposta contiver mais de dois níveis, razão pela qual a técnica de regressão logística é mais apropriada. Esta técnica usa a função sigmoide para limitar a faixa de saída. Isso garante que a saída dessa função específica possa capturar a gama de probabilidades em comparação com o modelo de regressão linear. Descobrir que as razões para estimar a relação entre variáveis dependentes e independentes são a predição e a inferência. A razão de predição é focada no valor de Y e não na sua relação com outras variáveis. A razão de inferência busca estabelecer como a variável de saída difere com uma mudança em cada variável de predicador.

Em seguida, você aprenderá que variáveis categóricas não podem assumir um valor numérico mas podem ser classificadas em duas ou mais categorias não numéricas. Em contraste, as variáveis contínuas podem assumir qualquer valor numérico sobre um intervalo ou intervalos específicos. O curso discutirá os fundamentos das estatísticas e do RStudio. Obtenha insight sobre a classificação de ferramentas estatísticas em categorias descritivas e inferenciais. As estatísticas descritivas consistem em métodos para organização, exibindo e descrevendo dados por meio de tabelas, gráficos e medidas de resumo. As estatísticas inferenciais consistem em métodos que usam resultados de amostra para ajudar a tomar decisões ou predições sobre uma população. Por fim, você aprenderá sobre a criação de tramas de barras e histogramas em R, tramando uma árvore de decisão, imputação de valor ausente, resultados de modelos de regressão logística simples e interpretação dos resultados de modelos de classificação. Este curso será de interesse de cientistas de dados, executivos ou estudantes interessados em aprender sobre regressão logística. Por que esperar? Inicie este curso hoje e torne-se um especialista em regressão logística.