İstatistiksel Modelleme: Genelleştirilmiş Doğrusal Modeller (GLM) ve Parametrik Olmayan Regresyon

Geleneksel doğrusal regresyon, veriler normal olmayan dağılımları takip ettiğinde veya karmaşık, doğrusal olmayan örüntüler sergilediğinde genellikle başarısız olur. Bu gerçek dünya karmaşıklıklarını nasıl ele alacağını anlamak, herhangi bir modern veri analisti veya araştırmacı için esastır. Bu kurs, sizi temel doğrusal modellerden çok çeşitli veri türlerini işleyebilen esnek istatistiksel çerçevelere geçiş sürecinde yönlendirir. İkili sonuçları, sayım verilerini ve doğrusal olmayan eğilimleri çeşitli sağlam matematiksel araçlar kullanarak modellemeyi öğreneceksiniz. Bu kursun sonunda, çeşitli veri kümeleri için doğru modelleme yaklaşımını seçip uygulayabilecek, analizinizin hem doğru hem de yorumlanabilir olmasını sağlayacaksınız. Öğrenecekleriniz: - Normal olmayan veri dağılımları için Genelleştirilmiş Doğrusal Modellerin (GLM'ler) temellerini anlayın. - Sınıflandırma problemlerini çözmek için lojistik regresyon uygulayın ve sonuçta elde edilen olasılık oranlarını yorumlayın. - Esnek veri uydurma için çekirdek tahminciler ve yumuşatma spline'ları gibi parametrik olmayan teknikleri uygulayın. - Model esnekliğini istatistiksel yorumlanabilirlik ile dengelemek için Genelleştirilmiş Toplanmış Modelleri (GAM'ler) keşfedin. - Modern çapraz doğrulama tekniklerini kullanarak model değerlendirme ve doğrulama pratiği yapın. - Verimli veri manipülasyonu için modern dataframe kütüphanelerini kullanarak karmaşık veri kümelerini analiz edin. Kurs, bağlantı fonksiyonlarının kavramsal temelleri ve temel terminolojisi ile başlayıp GLM'lerin ve parametrik olmayan yöntemlerin pratik uygulamasına geçmektedir. Sağlam bir teorik ve pratik temel oluşturmak üzere tasarlanmış yazılı açıklamalar ve kod tabanlı örnekler aracılığıyla ilerleyeceksiniz. Bu kurs, basit doğrusal regresyon hakkında temel bir anlayışa sahip olan ve istatistiksel araç setini genişletmek isteyen yeni başlayanlar için tasarlanmıştır. Bugün daha esnek ve doğru istatistiksel modeller oluşturmaya başlayın.