Séance de cours
Introduction à OLS
Séances de cours associées (32)
Régression : Modèles linéaires
Explore la régression linéaire, les moindres carrés, les résidus et les intervalles de confiance dans les modèles de régression.
Flexibilité des modèles et de l'échange de devises
S'insère dans le compromis entre la flexibilité du modèle et la variation des biais dans la décomposition des erreurs, la régression polynomiale, le KNN, et la malédiction de la dimensionnalité.
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, y compris l'OLS, l'hétéroskédasticité, l'autocorrélation, les variables instrumentales, l'estimation maximale de la probabilité, l'analyse des séries chronologiques et les conseils pratiques.
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
Régression: Linéaire simple et multiple
Couvre la régression linéaire simple et multiple, y compris l'estimation des moindres carrés et le diagnostic du modèle.
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Apprentissage supervisé : Régression linéaire
Couvre l'apprentissage supervisé en mettant l'accent sur la régression linéaire, y compris des sujets comme la classification numérique, la détection des pourriels et la prédiction de la vitesse du vent.
Essentiels de la régression linéaire
Couvre l'essentiel de la régression linéaire, en se concentrant sur l'utilisation de multiples variables explicatives quantitatives pour prédire un résultat quantitatif.
Comprendre les attributs de données
Couvre l'analyse de divers attributs de données et modèles de régression linéaire.
Régression linéaire: Multicolinéarité, Outliers, Spécification du modèle
Couvre la multicolinéarité, les valeurs aberrantes, la spécification du modèle et les stratégies pratiques en régression linéaire.