Maîtrisez la régression logistique sous R et acquérez les compétences pratiques nécessaires pour résoudre des problèmes de classification concrets. Dans ce cours, vous apprendrez à distinguer les tâches de régression de celles de classification, à préparer les données pour la modélisation, à construire des modèles de régression logistique sous R et à interpréter les coefficients des modèles en toute confiance. Au fil de la formation, vous évaluerez les performances des modèles à l’aide de matrices de confusion, de courbes ROC, de l’AUC et d’analyses de seuil afin d’améliorer les résultats de classification.

Régression logistique avec R : Construire et prédire
Développez des compétences très recherchées grâce à un abonnement d'un an à Coursera Plus, désormais à 239 $. Profitez-en dès maintenant.

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
8 heures à compléter
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Différencier la régression de la classification et appliquer les modèles logistiques.
Prétraitement des ensembles de données, évaluation à l'aide de matrices de confusion et de la méthode ROC.
Appliquer la régression logistique à des études de cas dans les domaines de la santé et de la finance.
Compétences que vous acquerrez
- Catégorie : Analyse
- Catégorie : Apprentissage supervisé
- Catégorie : Analyse de régression
- Catégorie : Apprentissage automatique
- Catégorie : Risque de crédit
- Catégorie : Science des données
- Catégorie : Régression logistique
- Catégorie : Évaluation du modèle
- Catégorie : Modélisation prédictive
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Analyse prédictive
- Catégorie : Modélisation financière
- Catégorie : Modélisation des risques
- Catégorie : Optimisation du modèle
- Catégorie : Prétraitement des données
- Catégorie : Réduction de la dimensionnalité
Outils que vous découvrirez
- Catégorie : R Programmation
Détails à connaître

Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
12 devoirs
Enseigné en Anglais
En savoir plus sur Analyse des données

Duke University

University of Michigan
Qu’est-ce qui vous amène sur Coursera aujourd’hui ?
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Foire Aux Questions
Plus de questions
Aide financière disponible,







