Linear models, as their name implies, relates an outcome to a set of predictors of interest using linear assumptions. Regression models, a subset of linear models, are the most important statistical analysis tool in a data scientist’s toolkit. This course covers regression analysis, least squares and inference using regression models. Special cases of the regression model, ANOVA and ANCOVA will be covered as well. Analysis of residuals and variability will be investigated. The course will cover modern thinking on model selection and novel uses of regression models including scatterplot smoothing.
от партнера
Университет Джонса ХопкинсаОб этом курсе
Недавно просмотрено: 38 794
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Прибл. 54 часа на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Английский, Испанский
Чему вы научитесь
Use regression analysis, least squares and inference
Understand ANOVA and ANCOVA model cases
Investigate analysis of residuals and variability
Describe novel uses of regression models such as scatterplot smoothing
Приобретаемые навыки
Model SelectionGeneralized Linear ModelLinear RegressionRegression Analysis
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Прибл. 54 часа на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Английский, Испанский
от партнера
Университет Джонса Хопкинса
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Программа курса: что вы изучите
13 ч. на завершение
Week 1: Least Squares and Linear Regression
This week, we focus on least squares and linear regression.
13 ч. на завершение
9 видео ((всего 74 мин.)), 11 материалов для самостоятельного изучения, 4 тестов
11 ч. на завершение
Week 2: Linear Regression & Multivariable Regression
This week, we will work through the remainder of linear regression and then turn to the first part of multivariable regression.
11 ч. на завершение
10 видео ((всего 70 мин.)), 5 материалов для самостоятельного изучения, 4 тестов
14 ч. на завершение
Week 3: Multivariable Regression, Residuals, & Diagnostics
This week, we'll build on last week's introduction to multivariable regression with some examples and then cover residuals, diagnostics, variance inflation, and model comparison.
14 ч. на завершение
14 видео ((всего 168 мин.)), 5 материалов для самостоятельного изучения, 5 тестов
16 ч. на завершение
Week 4: Logistic Regression and Poisson Regression
This week, we will work on generalized linear models, including binary outcomes and Poisson regression.
16 ч. на завершение
7 видео ((всего 95 мин.)), 6 материалов для самостоятельного изучения, 6 тестов
Рецензии
Лучшие отзывы о курсе РЕГРЕССИОННЫЕ МОДЕЛИ
от партнера KA16 дек. 2017 г.
Excellent course that is jam-packed with useful material! It is quite challenging and gives a thorough grounding in how to approach the process of selecting a linear regression model for a data set.
от партнера BA31 янв. 2017 г.
It really helped me to have a better understanding of these Regression Models. However, I've noticed that there is a video recording repeated: Week 3, Model Selection. Part 3 is included in Part 2.
от партнера DA10 мар. 2019 г.
This module was the maximum. I learned how powerful the use of Regression Models techniques in Data Science analysis is. I thank Professor Brian Caffo for sharing his knowledge with us. Thank you!
от партнера AW19 февр. 2018 г.
Great subject, was a bit frustrated with some of the material (seemed rushed and not well prepared). Great assignment, but too restrictive on the max number of pages allowed. Wasted a lot of time.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
