Regression Analysis with R

(REG-R.AJ1) / ISBN : 978-1-61691-689-3
Lessons
100 Rezension
Holen Sie sich eine kostenlose Testversion

Über diesen Kurs

Der Kurs und das Labor „Regressionsanalyse mit R“ geben Ihnen einen Überblick darüber, was Regressionsanalyse ist, und erklären Ihnen den Prozess von Grund auf. Das Labor simuliert reale Hardware-, Software- und Befehlszeilenschnittstellenumgebungen und kann auf jedes Lehrbuch, jeden Kurs oder jede Schulung abgebildet werden. Der Kurs und das Labor vermitteln Ihnen das Wissen, um mit multipler Regression in Aktion, logistischer Regression, Datenaufbereitung, Generalisierung sowie Online- und Batch-Lernen zu arbeiten; und vieles mehr.

Fähigkeiten, die Sie erwerben werden

1

Preface

  • What this course covers
  • To get the most out of this course
  • Conventions used
2

Getting Started with Regression

  • Going back to the origin of regression
  • Regression in the real world
  • Understanding regression concepts
  • Regression versus correlation
  • Discovering different types of regression
  • The R environment
  • Installing R
  • RStudio
  • R packages for regression
  • Summary
3

Basic Concepts – Simple Linear Regression

  • Association between variables – covariance and correlation
  • Searching linear relationships
  • Least squares regression
  • Creating a linear regression model
  • Modeling a perfect linear association
  • Summary
4

More Than Just One Predictor – MLR

  • Multiple linear regression concepts
  • Building a multiple linear regression model
  • Multiple linear regression with categorical predictor
  • Gradient Descent and linear regression
  • Polynomial regression
  • Summary
5

When the Response Falls into Two Categories – Logistic Regression

  • Understanding logistic regression
  • Generalized Linear Model
  • Multiple logistic regression
  • Multinomial logistic regression
  • Summary
6

Data Preparation Using R Tools

  • Data wrangling
  • Finding outliers in data
  • Scale of features
  • Discretization in R
  • Dimensionality reduction
  • Summary
7

Avoiding Overfitting Problems - Achieving Generalization

  • Understanding overfitting
  • Feature selection
  • Regularization
  • Summary
8

Going Further with Regression Models

  • Robust linear regression
  • Bayesian linear regression
  • Count data model
  • Summary
9

Beyond Linearity – When Curving Is Much Better

  • Nonlinear least squares
  • Multivariate Adaptive Regression Splines
  • Generalized Additive Model
  • Regression trees
  • Support Vector Regression
  • Summary
10

Regression Analysis in Practice

  • Random forest regression with the Boston dataset
  • Classifying breast cancer using logistic regression
  • Regression with neural networks
  • Summary

Regression Analysis with R

$239.99

Kaufe jetzt

Ähnliche Kurse

Alle Kurse
Scrolle nach oben