Линейные модели с дискретными предикторами
- 0.0
-
![]()
![]()
![]()
![]()
![]()
Course Summary
Learn about linear models with discrete predictors and how they can be applied to real-world problems. This course covers a wide range of topics including model selection, variable selection, and regularization techniques.Key Learning Points
- Understand the fundamentals of linear models with discrete predictors
- Learn about model selection techniques and variable selection methods
- Explore regularization techniques and their applications
- Apply your knowledge to real-world problems using R programming language
Related Topics for further study
Learning Outcomes
- Understand the principles of linear models with discrete predictors
- Be able to apply model selection and variable selection techniques
- Learn regularization techniques and their applications
Prerequisites or good to have knowledge before taking this course
- Basic knowledge of statistics and linear algebra
- Familiarity with R programming language
Course Difficulty Level
IntermediateCourse Format
- Online self-paced course
- Video lectures
- Assignments and quizzes
- Hands-on programming exercises
Similar Courses
- Applied Linear Regression Models
- Statistical Inference and Modeling for High-throughput Experiments
Related Education Paths
Notable People in This Field
- Andrew Ng
- Deborah Nolan
Related Books
Description
Необходимость описать закономерности изменения количественной переменной в нескольких группах возникает часто, например, если перед вами данные эксперимента. Дисперсионный анализ - это один из методов, который позволяет эффективно решать такие задачи, особенно, если таких групп больше чем две (однофакторный дисперсионный анализ), или группировка задается несколькими факторами (многофакторный дисперсионный анализ). В этом курсе вы узнаете, что в рамках парадигмы линейных моделей вполне можно работать не только с непрерывными, но и с дискретными предикторами - а иногда это даже приходится делать одновременно (как в ковариационном анализе и др.). Мы разберем несколько вариантов представления дискретных предикторов в линейных моделях и последствия разных способов кодирования для интерпретации модели. Вы научитесь подбирать линейные модели со взаимодействием факторов, чтобы описывать ситуации, когда характер действия фактора меняется в разных группах. В этом курсе для анализа и визуализации линейных моделей мы будем использовать язык статистического программирования R. Его богатейшие возможности позволят вам разобраться в тонкостях внутреннего устройства линейных моделей с дискретными и непрерывными предикторами.
Outline
- Модели с дискретными и непрерывными предикторами
- Добро пожаловать на курс Линейные модели с дискретными предикторами
- Не все на свете непрерывно. Дискретные предикторы в линейных моделях
- Взаимодействие предикторов
- Пример - козы, глисты и линейные модели
- Подбор модели
- Диагностика модели
- Трактовка регрессионной модели, включающей один дискретный и один непрерывный предиктор
- Изменение базового уровня фактора
- Общие линейные модели
- Analysis of covariance (ANCOVA) - частный случай общих линейных моделей
- Устройство и диагностика модели с одним дискретным предиктором
- Устройство и диагностика модели с учетом ковариаты
- Результаты ANCOVA и визуализация модели
- Что мы знаем и что будет дальше
- Обзор курса
- Модели с дискретными и непрерывными предикторами
- Модели с разными значениями угла наклона для групп
- Взаимодействие дискретного и непрерывного предикторов
- Запись уравнения моделей со взаимодействием дискретного и непрерывного предикторов
- Подбор модели со взаимодействием дискретного и непрерывного предикторов
- Диагностика модели
- Анатомируем модель
- График предсказаний модели со взаимодействием дискретного и непрерывного предикторов
- Модели с несколькими уровнями дискретного предиктора и взаимодействием
- Подбор модели, описывающей обилие птиц
- Диагностика финальной модели
- Представляем результаты подбора модели
- Что мы знаем и что будет дальше
- Модели со взаимодействием дискретных и непрерывных предикторов
- Однофакторный дисперсионный анализ
- Зачем нужен дисперсионный анализ
- Пример - нектар с кофеином
- Линейная модель с единственным дискретным предиктором. Параметризация индикаторных переменных
- Линейная модель с единственным дискретным предиктором. Параметризация эффектов
- Диагностика линейной модели
- Тестирование значимости коэффициентов модели с дискретным предиктором
- Структура общей изменчивости. Дисперсионный анализ
- Дисперсионный анализ в R
- Зоопарк пост хок тестов
- Пост хок тесты в R
- Визуализация результатов дисперсионного анализа
- Что мы знаем и что будет дальше
- Однофакторный дисперсионный анализ
- Многофакторный дисперсионный анализ
- Многофакторный анализ. Взаимодействие факторов
- Пример - игра "Диктатор"
- Двухфакторный дисперсионный анализ. Параметризация индикаторных переменных
- Двухфакторный дисперсионный анализ. Параметризация эффектов
- Диагностика линейной модели
- Проблемы при анализе несбалансированных данных. Типы сумм квадратов
- Дисперсионный анализ в R
- Пост хок тест для взаимодействия факторов
- Визуализация результатов многофакторного дисперсионного анализа
- Что мы знаем и что будет дальше
- Многофакторный дисперсионный анализ
Summary of User Reviews
Learn about linear models with discrete predictors on Coursera. Students praise the course for its practical application and hands-on assignments.Key Aspect Users Liked About This Course
The course is praised for its practical application and hands-on assignments.Pros from User Reviews
- Practical application of concepts
- Hands-on assignments
- Clear explanations
- Good pacing
- Helpful instructor
Cons from User Reviews
- Content may be too basic for some
- Some technical issues with the course platform
- Not enough explanation on certain topics
- Limited interaction with other students
- Lack of quizzes or assessments
Линейные модели с дискретными предикторами
- 0.0
-
![]()
![]()
![]()
![]()
![]()
Необходимость описать закономерности изменения количественной переменной в нескольких группах возникает часто, например, если перед вами данные эксперимента. ). html документов при помощи rmarkdown и knitr....
