中
线性模型，顾名思义，就是利用线性假设将结果与一组相关预测因子联系起来。 回归模型是线性模型的一个子集，是数据科学家工具包中最重要的统计分析工具。本课程涵盖回归分析、最小二乘法和使用回归模型的推断。还将介绍回归模型的特殊情况、方差分析和方差分析。还将研究残差和变异性分析。课程将涵盖现代模型选择思想和回归模型的新用途，包括散点图平滑。
回归模型
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
本周，我们的重点是最小二乘法和线性回归。
涵盖的内容
9个视频11篇阅读材料1个作业3个编程作业
本周，我们将完成线性回归的剩余部分，然后转向多元回归的第一部分。
涵盖的内容
10个视频5篇阅读材料1个作业3个编程作业
本周，我们将在上周介绍多元回归的基础上，举例说明残差、诊断、方差膨胀和模型比较。
涵盖的内容
14个视频5篇阅读材料2个作业3个编程作业
本周，我们将学习广义线性模型，包括二元结果和泊松回归。
涵盖的内容
7个视频6篇阅读材料1个作业4个编程作业1次同伴评审
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
从 概率论与数理统计 浏览更多内容
状态：免费试用University of Colorado Boulder
状态：免费试用Duke University
状态：免费试用Johns Hopkins University
状态：免费试用Johns Hopkins University
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.4
3,369 条评论
- 5 stars
64.28%
- 4 stars
22.89%
- 3 stars
7.57%
- 2 stars
2.96%
- 1 star
2.28%
显示 3/3369 个
BK
4
已于 Feb 9, 2016审阅
This was a tough class covering a lot of material. The last week on logistic regression completely lost me. If you're new to stats like me you might want to take it more than once.
DJ
5
已于 Aug 1, 2017审阅
Great introductory course on Regression Models. Super practical and well explained. Definitely doing the exercises and final project is a must to get all the learnings!
JV
5
已于 Oct 15, 2017审阅
It is very interesting, however is difficult to follow the math explanations, it could be more easy with practical examples.... like the final assignment, it was difficult to me.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。