축하합니다!

Python으로 배우는 Generalized Linear Models

Ita Cirovic Donev

Data Science Consultant

모형

  • 데이터 $\rightarrow$
  • 링크 함수 $\rightarrow$
  • 모형 $\rightarrow$
  • x가 1 단위 증가 $\rightarrow$

로지스틱 회귀

  • 이진
  • 로짓
  • $logit(y) = \beta_0+\beta_1x_1$
  • $\color{red}{\text{로그 오즈}}$가 $\beta_1$만큼 증가

선형 모형

  • 연속
  • 항등
  • $y = \beta_0+\beta_1x_1$
  • $\color{red}{y}$가 $\beta_1$만큼 증가

포아송 회귀

  • 계수형
  • 로그
  • $log(\lambda) = \beta_0+\beta_1x_1$
  • $\color{red}{\lambda\text{를 곱함}}$ $exp(\beta_1)$만큼
Python으로 배우는 Generalized Linear Models

주요 Python 함수

  • 모형 적합
    statmodels $\rightarrow$

선형 모형

glm('y ~ x', data)

glm('y ~ x', data, 
    family = sm.families.Gaussian())

로지스틱 회귀

glm('y ~ x', data, 
    family = sm.families.Binomial())

포아송 회귀

glm('y ~ x', data, 
    family = sm.families.Poisson())
Python으로 배우는 Generalized Linear Models

다음 단계...

  • DataCamp 강좌
  • 훌륭한 참고서
    • Frank E. Harrell, Jr.의 Regression Modeling Strategies
    • Alan Agresti의 An Introduction to Categorical Data Analysis
    • Max Kuhn, Kjell Johnson의 Applied Predictive Modeling
Python으로 배우는 Generalized Linear Models

즐거운 모델링 되세요!

Python으로 배우는 Generalized Linear Models

Preparing Video For Download...