Del curso: Python para Ciência de Dados: Formação Básica
Únete hoy para acceder a más de 24.300 cursos impartidos por expertos del sector.
Modelo de Regressão Logística - Tutorial de Python
Del curso: Python para Ciência de Dados: Formação Básica
Modelo de Regressão Logística
Diferentemente da regressão linear, que usamos variáveis numéricas para predizer valores de uma observação, com a regressão logística nós podemos predizer a categoria de observação. Casos de uso da regressão logística incluem: análise de propensão de vendas VS gastos com propaganda; predição de rotatividade de clientes; e predição de eventos perigosos. Ao aplicar uma regressão logística, precisamos conferir se os dados seguem os pressupostos desse tipo de regressão: O conjunto de dados não podem conter valores em branco; A variável predita é categórica ou binária ou ordinal; todas as variáveis preditoras são independentes; e existem pelo menos 50 observações por variável preditora. A seguir vamos ver como aplicar regressão logística à um conjunto de dados.
Practica mientras aprendes con los archivos de ejercicios.
Descarga los archivos que el instructor utiliza para enseñar el curso. Sigue las instrucciones y aprende viendo, escuchando y practicando.
Descarga cursos y fórmate estés donde estés
Ve cursos en tu dispositivo móvil sin conexión a Internet. Descarga cursos con la aplicación de LinkedIn Learning para iOS o Android.
Contenido
-
-
-
-
-
-
-
-
-
(Bloqueado)
Modelo de Regressão Linear1 min 10 s
-
(Bloqueado)
Aplicando a Regressão Linear5 min 38 s
-
(Bloqueado)
Modelo de Regressão Logística48 s
-
(Bloqueado)
Aplicando uma Regressão Logística5 min 23 s
-
(Bloqueado)
Classificadores Naïve Bayes1 min 8 s
-
(Bloqueado)
Aplicando modelos Bayesianos6 min 28 s
-
(Bloqueado)
-
-
-