Modèles additifs généralisés : applications et techniques

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Page 1 sur 4

Régression : Modèles linéaires

Introduit une régression linéaire, des modèles linéaires généralisés et des modèles à effet mixte pour l'analyse de régression.

ANOVA & Modération

Couvre les analyses de l'ANOVA, de la médiation et de la modération dans R pour l'éducation numérique CS-411.

Modèles multiniveaux: Partie 2

Explore les techniques avancées de modélisation à plusieurs niveaux, y compris l'adaptation de modèles distincts, l'estimation des coefficients et la vérification des résidus pour l'évaluation des modèles.

Régression Diagnostics

Couvre les diagnostics de régression pour les modèles linéaires, en soulignant limportance de vérifier les hypothèses et didentifier les valeurs aberrantes et les observations influentes.

Modèles linéaires : Les moindres carrés

Explore les modèles linéaires, les moindres carrés, les vecteurs gaussiens et les méthodes de sélection des modèles.

Techniques de régularisation

Explore la régularisation dans des modèles linéaires, y compris la régression de crête et le Lasso, les solutions analytiques et la régression de crête polynomiale.

Estimation de vraisemblance et moindres carrés

Introduit une régression linéaire normale simple et multiple et une estimation du maximum de vraisemblance avec des exemples pratiques.

Multicolinéarité: Dangers et remèdes

Explore les dangers de la multicolinéarité dans les modèles linéaires et discute des méthodes de diagnostic et des remèdes.

Inférence : vérification du modèle

Couvre les moindres carrés pondérés itératifs, les modèles linéaires généralisés et la vérification des modèles.

Modèles linéaires: Introduction

Introduit les modèles linéaires, la régression, la distribution gaussienne, la linéarité et la généralisation du modèle.