Felicitări!
Modele Liniare Generalizate în Python
Ita Cirovic Donev
Data Science Consultant
MODEL
- Date $\rightarrow$
- Funcție de legătură $\rightarrow$
- Model $\rightarrow$
- Creștere cu 1 unitate a $x \rightarrow$
REGRESIE LOGISTICĂ
- Binară
- Logit
- $logit(y) = \beta_0+\beta_1x_1$
- crește $\color{red}{\text{log odds }}$ cu $\beta_1$
MODEL LINEAR
- Continuu
- Identitate
- $y = \beta_0+\beta_1x_1$
- crește $\color{red}{y}$ cu $\beta_1$
REGRESIE POISSON
- Numărare
- Logaritm
- $log(\lambda) = \beta_0+\beta_1x_1$
- $\color{red}{\text{înmulțește } \lambda}$ cu $exp(\beta_1)$
FUNCȚII PRINCIPALE ÎN PYTHON
- Ajustarea modelului
statmodels$\rightarrow$
MODEL LINEAR
glm('y ~ x', data)
glm('y ~ x', data,
family = sm.families.Gaussian())
REGRESIE LOGISTICĂ
glm('y ~ x', data,
family = sm.families.Binomial())
REGRESIE POISSON
glm('y ~ x', data,
family = sm.families.Poisson())
Pași următori...
- Cursuri DataCamp
- Cărți de referință recomandate
- Regression Modeling Strategies de Frank E. Harrell, Jr.
- An Introduction to Categorical Data Analysis de Alan Agresti
- Applied Predictive Modeling de Max Kuhn și Kjell Johnson
Mult succes la modelare!
Modele Liniare Generalizate în Python
