Вітаємо!
Узагальнені лінійні моделі в Python
Ita Cirovic Donev
Data Science Consultant
МОДЕЛЬ
- Дані $\rightarrow$
- Зв'язувальна функція $\rightarrow$
- Модель $\rightarrow$
- Збільшення $x$ на 1 $\rightarrow$
ЛОГІСТИЧНА РЕГРЕСІЯ
- Двійкова
- Логіт
- $logit(y) = \beta_0+\beta_1x_1$
- збільшує $\color{red}{\text{log odds }}$ на $\beta_1$
ЛІНІЙНА МОДЕЛЬ
- Неперервна
- Тотожна
- $y = \beta_0+\beta_1x_1$
- збільшує $\color{red}{y}$ на $\beta_1$
ПОАСОНІВСЬКА РЕГРЕСІЯ
- Підрахунок
- Логарифм
- $log(\lambda) = \beta_0+\beta_1x_1$
- $\color{red}{\text{множить } \lambda}$ на $exp(\beta_1)$
ОСНОВНІ ФУНКЦІЇ PYTHON
- Навчити модель
statmodels$\rightarrow$
ЛІНІЙНА МОДЕЛЬ
glm('y ~ x', data)
glm('y ~ x', data,
family = sm.families.Gaussian())
ЛОГІСТИЧНА РЕГРЕСІЯ
glm('y ~ x', data,
family = sm.families.Binomial())
ПОАСОНІВСЬКА РЕГРЕСІЯ
glm('y ~ x', data,
family = sm.families.Poisson())
Наступні кроки…
- Курси DataCamp
- Чудові довідники
- Стратегії моделювання регресії (Frank E. Harrell, Jr.)
- Вступ до аналізу категоріальних даних (Alan Agresti)
- Прикладне прогностичне моделювання (Max Kuhn, Kjell Johnson)
Успішного моделювання!
Узагальнені лінійні моделі в Python
