Курс на Stepik
Курс Data Science. Logistic Regression
Бесплатно

Data Science. Logistic Regression ★ 4.500

Открыть на
STEPIK.ORG

In this course, you will learn what is a logistic regression model, what it is used for, and how to fit a model to real data using RStudio.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Data Science. Logistic Regression»Учеников на курсе 788
Сертификаты, выданные на курсе «Data Science. Logistic Regression»Сертификатов выдано 0
Отзывы о курсе «Data Science. Logistic Regression»Отзывов получено 2
Рейтинг курса «Data Science. Logistic Regression»Рейтинг курса 4.500
Уроки в курсе «Data Science. Logistic Regression»Количество уроков 22
Тесты в курсе «Data Science. Logistic Regression»Количество квизов 49
Время прохождения курса «Data Science. Logistic Regression»Время прохождения курса —
Обновления курса «Data Science. Logistic Regression»Обновления курса — —
Дата публикации курса «Data Science. Logistic Regression»Дата публикации курса — ———
Последнее обновление курса «Data Science. Logistic Regression»Последнее обновление — ———

Содержание курса

Разделы в курсе «Data Science. Logistic Regression» 2 раздела Уроки в курсе «Data Science. Logistic Regression» 22 урока Тесты в курсе «Data Science. Logistic Regression» 49 тестов Время прохождения курса «Data Science. Logistic Regression» 2 ч. Последнее обновление курса «Data Science. Logistic Regression» обн. 6 лет назад

1. Theory Lesson "Data Science. Logistic Regression"

2 урока
Открытый
1.1 Introduction to logistic regression ↗
750
306
1м 44с
8
Открытый
1.2 Logistic regression in RStudio ↗
476
212
5м 33с
5

2. Practice Lesson "Data Science. Logistic Regression"

20 уроков
Открытый
2.1 Exploring data ↗
340
76
4м 23с
2
Открытый
2.2 The importance of data types ↗
156
64
2м 21с
0
Открытый
2.3 Training and testing sets ↗
575
79
8м 48с
-5
Открытый
2.4 Simple logistic regression - 1 ↗
171
41
7м 12с
-1
Открытый
2.5 Simple logistic regression - 2 ↗
424
41
7м 48с
0
Открытый
2.6 Statistical significance of covariates ↗
108
35
4м 35с
0
Открытый
2.7 Computing odds ratios ↗
286
38
4м 33с
-1
Открытый
2.8 Interpreting odds ratios ↗
86
39
3м 48с
0
Открытый
2.9 Confidence intervals - 1 ↗
86
32
10м 55с
-1
Открытый
2.10 Confidence intervals - 2 ↗
76
32
3м 9с
0
Открытый
2.11 ORs for non-unitary increments ↗
165
31
3м 19с
-1
Открытый
2.12 Likelihood ratio test - 1 ↗
91
28
5м 38с
0
Открытый
2.13 Likelihood ratio test - 2 ↗
81
30
4м 44с
0
Открытый
2.14 Estimating probabilities ↗
104
28
6м 28с
0
Открытый
2.15 From probability to prediction ↗
78
30
2м 57с
0
Открытый
2.16 Assessing model calibration ↗
72
29
3м 18с
0
Открытый
2.17 Adjusting model calibration ↗
175
27
7м 48с
0
Открытый
2.18 Confusion matrix ↗
92
25
11м 39с
1
Открытый
2.19 Sensitivity ↗
80
25
2м 23с
0
Открытый
2.20 Specificity ↗
79
25
1м 43с
0