微信
支付宝
- 课程目录
- 课件下载
- 经典线性回归模型理论介绍 19:45 免费
- 线性回归模型最小二乘法的数学原理 13:52 免费
- 线性回归模型的判定系数 12:19
- 自定义函数求回归系数和判定系数拟合度 14:33
- 构建test数据集验证自定义函数 12:08
- lm函数及其他函数介绍 16:40
- lm函数案例详解 20:24
- 对 cars数据集进行线性回归模型构建及结果可视化 20:44
- 对cars数据集进行指数变换后建模并对比效果 18:55
- 利用MASS包的boxcox函数寻找指数（对数）变换的最优值 8:27
- 多个数值自变量的线性回归模型构建 13:39
- 利用逐步回归选择最有模型 21:46
- 当自变量有定性变量情况下的模型讲解 12:35
- 通过鸢尾花数据集解释为什么需要做逻辑回归 22:35
- 逻辑回归基本原理介绍 11:26
- 逻辑回归案例演示 17:11
【课时介绍】
多个数值自变量的线性回归模型构建
- 章节目录
-
- 01. 经典线性回归模型理论介绍 19:45
- 02. 线性回归模型最小二乘法的数学原理 13:52
- 03. 线性回归模型的判定系数 12:19
- 04. 自定义函数求回归系数和判定系数拟合度 14:33
- 05. 构建test数据集验证自定义函数 12:08
- 06. lm函数及其他函数介绍 16:40
- 07. lm函数案例详解 20:24
- 08. 对 cars数据集进行线性回归模型构建及结果可视化 20:44
- 09. 对cars数据集进行指数变换后建模并对比效果 18:55
- 10. 利用MASS包的boxcox函数寻找指数（对数）变换的最优值 8:27
- 11. 多个数值自变量的线性回归模型构建 13:39
- 12. 利用逐步回归选择最有模型 21:46
- 13. 当自变量有定性变量情况下的模型讲解 12:35
- 14. 通过鸢尾花数据集解释为什么需要做逻辑回归 22:35
- 15. 逻辑回归基本原理介绍 11:26
- 16. 逻辑回归案例演示 17:11
阅读更多
发布回复
扫一扫，移动端观看视频
