ML para Gerentes de Negócio: Modelo de Regressão de Construção no R Studio

Este curso o conduz através dos passos que você deve tomar ao desenvolver soluções para seus problemas de negócio usando regressão linear. Você deve considerar a questão que pretende resolver ao criar um modelo já que o valor da saída depende da qualidade dos insumos. Podemos ajudá-lo a entender o tratamento diferente recebido por dados qualitativos e quantitativos e também cobrir a importância do pré-processamento de dados e interpretação de dados ao utilizar técnicas de aprendizado de máquina.

Este curso introduz você no conceito de 'análise bivariada': a análise simultânea de duas variáveis. Explora a possibilidade de uma relação entre duas variáveis e o seu consequente impacto. Em seguida, discutimos correlação, uma medida que revela a extensão em que duas ou mais variáveis mudam juntas, e esboça o papel da regressão linear na modelagem de sua relação. O curso descompacta diferentes métodos de modelagem linear e técnicas para ajudá-lo a usar o aprendizado de máquina para prever futuras mudanças que afetam o seu negócio.

Nós, então, examinamos a ideia de 'erro padrão residual' (RSE), o quanto a resposta irá diferir da linha de regressão 'true'. A compreensão desta seção irá ajudá-lo a reconhecer que o método estatístico de 'shrinkage' se encaixa em um modelo envolvendo todas as variáveis de preditor. Os coeficientes estimados são encolhidos em direção a zero, em relação às estimativas menos quadradas. Por fim, estudamos técnicas de seleção de subconjunto, regressão de cume e lasso em R antes de avaliar a exatidão de coeficientes previstos e a matriz de correlação em R. Este curso pode ajudar os gerentes de negócios, executivos ou qualquer pessoa interessada em usar aprendizado de máquina e regressão linear para prever desenvolvimentos futuros e solução de problemas master-resolver.