Gratulujeme!
Zobecněné lineární modely v Pythonu
Ita Cirovic Donev
Data Science Consultant
MODEL
- Data $\rightarrow$
- Vazební funkce $\rightarrow$
- Model $\rightarrow$
- Zvýšení $x$ o 1 $\rightarrow$
LOGISTICKÁ REGRESE
- Binární
- Logit
- $logit(y) = \beta_0+\beta_1x_1$
- zvýší $\color{red}{\text{log šance }}$ o $\beta_1$
LINEÁRNÍ MODEL
- Spojitá
- Identita
- $y = \beta_0+\beta_1x_1$
- zvýší $\color{red}{y}$ o $\beta_1$
POISSONOVA REGRESE
- Četnost
- Logaritmus
- $log(\lambda) = \beta_0+\beta_1x_1$
- $\color{red}{\text{vynásobí } \lambda}$ hodnotou $exp(\beta_1)$
HLAVNÍ FUNKCE V PYTHONU
- Trénování modelu
statmodels$\rightarrow$
LINEÁRNÍ MODEL
glm('y ~ x', data)
glm('y ~ x', data,
family = sm.families.Gaussian())
LOGISTICKÁ REGRESE
glm('y ~ x', data,
family = sm.families.Binomial())
POISSONOVA REGRESE
glm('y ~ x', data,
family = sm.families.Poisson())
Další kroky...
- Kurzy DataCamp
- Doporučená literatura
- Regression Modeling Strategies od Franka E. Harrella, Jr.
- An Introduction to Categorical Data Analysis od Alana Agrestiho
- Applied Predictive Modeling od Maxe Kuhna a Kjella Johnsona
Přejeme úspěšné modelování!
Zobecněné lineární modely v Pythonu
