University of Colorado Boulder
Modèles linéaires généralisés et régression non paramétrique
University of Colorado Boulder

Modèles linéaires généralisés et régression non paramétrique

Brian Zaharatos

Instructeur : Brian Zaharatos

4 133 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4

(18 avis)

niveau Intermédiaire

Expérience recommandée

Planning flexible
Env. 42 heures
Apprenez à votre propre rythme
Préparer un diplôme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4

(18 avis)

niveau Intermédiaire

Expérience recommandée

Planning flexible
Env. 42 heures
Apprenez à votre propre rythme
Préparer un diplôme

Ce que vous apprendrez

  • Décrivez comment généraliser le cadre du modèle linéaire pour prendre en compte les données qui ne conviennent pas au modèle de régression linéaire standard.

  • Citez quelques avantages et inconvénients des modèles additifs (généralisés).

  • Décrivez comment un modèle additif peut être généralisé pour intégrer des variables de réponse non normales (c'est-à-dire définissez un modèle additif généralisé).

Compétences que vous acquerrez

  • Catégorie : Calculs
  • Catégorie : et la théorie des probabilités.
  • Catégorie : Algèbre linéaire

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

8 quizzes

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Modélisation statistique pour les applications de la science des données
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 4 modules dans ce cours

Dans ce module, nous introduirons les modèles linéaires généralisés (GLM) à travers l'étude de données binomiales. En particulier, nous justifierons la nécessité des GLM ; nous présenterons le modèle de régression binomiale, y compris les fonctions de lien binomial les plus courantes ; nous interpréterons correctement le modèle de régression binomiale ; et nous envisagerons diverses méthodes pour évaluer l'adéquation et le pouvoir prédictif du modèle de régression binomiale.

Inclus

7 vidéos4 lectures3 quizzes2 devoirs de programmation2 évaluations par les pairs1 sujet de discussion2 laboratoires non notés

Dans ce module, nous verrons comment modéliser les données de comptage. Lorsque la variable réponse est un nombre de phénomènes et que l'on pense que ce nombre dépend d'un ensemble de prédicteurs, nous pouvons utiliser la régression de Poisson comme modèle. Nous décrirons la régression de Poisson en détail et l'utiliserons sur des données réelles. Ensuite, nous décrirons les situations dans lesquelles la régression de Poisson n'est pas appropriée et nous présenterons brièvement des solutions à ces situations.

Inclus

7 vidéos2 quizzes1 devoir de programmation1 évaluation par les pairs3 laboratoires non notés

Dans ce module, nous introduirons le concept de modèle de régression non paramétrique. Nous opposerons cette notion aux modèles paramétriques que nous avons étudiés jusqu'à présent. Ensuite, nous étudierons des modèles de régression non paramétriques particuliers : les estimateurs à noyau et les splines. Enfin, nous présenterons les modèles additifs comme un mélange de méthodes paramétriques et non paramétriques.

Inclus

6 vidéos1 quiz1 devoir de programmation1 évaluation par les pairs3 laboratoires non notés

Certains modèles, tels que la régression linéaire, sont facilement interprétables, mais peu flexibles, en ce sens qu'ils ne rendent pas compte avec précision de nombreuses relations du monde réel. D'autres modèles, tels que les réseaux neuronaux, sont assez souples, mais très difficiles à interpréter. Les modèles additifs généralisés (GAM) constituent un bon équilibre entre flexibilité et interprétabilité. Dans ce module, nous allons motiver davantage les GAM, apprendre les mathématiques de base de l'ajustement des GAM, et les mettre en œuvre sur des données simulées et réelles dans R.

Inclus

6 vidéos1 lecture2 quizzes1 devoir de programmation1 évaluation par les pairs3 laboratoires non notés

Instructeur

Évaluations de l’enseignant
4.6 (7 évaluations)
Brian Zaharatos
University of Colorado Boulder
3 Cours11 737 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Probabilités et Statistiques

Préparer un diplôme

Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Colorado Boulder. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

Affichage de 3 sur 18

4.4

18 avis

  • 5 stars

    77,77 %

  • 4 stars

    0 %

  • 3 stars

    11,11 %

  • 2 stars

    5,55 %

  • 1 star

    5,55 %

CT
5

Révisé le 27 juin 2023

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions