Gratulacje!

Uogólnione modele liniowe w Pythonie

Ita Cirovic Donev

Data Science Consultant

MODEL

  • Dane $\rightarrow$
  • Funkcja łącząca $\rightarrow$
  • Model $\rightarrow$
  • Wzrost $x$ o 1 $\rightarrow$

REGRESJA LOGISTYCZNA

  • Binarne
  • Logit
  • $logit(y) = \beta_0+\beta_1x_1$
  • zwiększa $\color{red}{\text{log szans }}$ o $\beta_1$

MODEL LINIOWY

  • Ciągłe
  • Tożsamości
  • $y = \beta_0+\beta_1x_1$
  • zwiększa $\color{red}{y}$ o $\beta_1$

REGRESJA POISSONA

  • Zliczenia
  • Logarytm
  • $log(\lambda) = \beta_0+\beta_1x_1$
  • $\color{red}{\text{mnoży } \lambda}$ przez $exp(\beta_1)$
Uogólnione modele liniowe w Pythonie

GŁÓWNE FUNKCJE PYTHONA

  • Dopasowanie modelu
    statmodels $\rightarrow$

MODEL LINIOWY

glm('y ~ x', data)

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

REGRESJA LOGISTYCZNA

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

REGRESJA POISSONA

glm('y ~ x', data, 
    family = sm.families.Poisson())
Uogólnione modele liniowe w Pythonie

Kolejne kroki...

  • Kursy DataCamp
  • Polecane książki
    • Regression Modeling Strategies – Frank E. Harrell, Jr.
    • An Introduction to Categorical Data Analysis – Alan Agresti
    • Applied Predictive Modeling – Max Kuhn i Kjell Johnson
Uogólnione modele liniowe w Pythonie

Miłego modelowania!

Uogólnione modele liniowe w Pythonie

Preparing Video For Download...