Séance de cours
Régression linéaire : Confidence Bounds
Séances de cours associées (34)
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.
Régression : Modèles linéaires
Explore la régression linéaire, les moindres carrés, les résidus et les intervalles de confiance dans les modèles de régression.
Modèle de régression linéaire
Explore le modèle de régression linéaire, les propriétés de l'OLS, les tests d'hypothèse, l'interprétation, les transformations et les considérations pratiques.
Inférence et modèles mixtes
Couvre l'estimation des points, les intervalles de confiance et les tests d'hypothèses pour les fonctions lisses à l'aide de modèles mixtes et de lissage des splines.
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.
ANOVA & Modération
Couvre les analyses de l'ANOVA, de la médiation et de la modération dans R pour l'éducation numérique CS-411.
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.
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.
Méthodes de décomposition et de régression des erreurs
Couvre la décomposition des erreurs, la régression polynomiale et les voisins K les plus proches pour la modélisation flexible et les prédictions non linéaires.
Régression : Hautes Dimensions
Explore la régression linéaire en dimensions élevées et la prévision pratique des prix des maisons à partir d'un ensemble de données.