Séance de cours
Inférence : Régression de Poisson
Séances de cours associées (31)
Estimation des moindres carrés pondérés : Algorithme IRLS
Explore l'algorithme IRLS pour l'estimation pondérée des moindres carrés dans GLM.
Régression moderne: surdispersion et évaluation du modèle
Explore les techniques de surdispersion, d'évaluation de modèle et de régression pour les données de comptage.
Régression moderne: données d'orge de printemps
Couvre l'inférence, les moindres carrés pondérés, l'analyse des données sur l'orge de printemps et les techniques de lissage.
Régression linéaire généralisée : classification
Explorer la régression linéaire généralisée, la classification, les matrices de confusion, les courbes ROC et le bruit dans les données.
Régression moderne: Inférence et modèles
Couvre les moindres carrés pondérés itératifs, la vérification des modèles et les modèles linéaires généralisés dans lanalyse de régression.
Modèles linéaires généralisés : familles exponentielles et construction de modèles
Couvre les familles exponentielles, la construction de modèles et les fonctions de liens canoniques dans les modèles linéaires généralisés.
Régression moderne: données d'orge de printemps
Couvre les moindres carrés pondérés itératifs, la régression de Poisson et l'analyse bayésienne des données sur l'orge de printemps à l'aide de modèles mixtes.
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 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.
Régularisation de l'apprentissage automatique
Explore Ridge et Lasso Regression pour la régularisation dans les modèles d'apprentissage automatique, en mettant l'accent sur le réglage hyperparamétrique et la visualisation des coefficients des paramètres.