Machine Learning & AI Foundations: Linear Regression 机器学习和AI基础：线性回归 Lynda课程中文字幕

## Machine Learning & AI Foundations: Linear Regression 中文字幕 ## 机器学习和AI基础：线性回归 中文字幕**Machine Learning & AI Foundations: Linear Regression**  对线性回归（一种对一个因变量和一个因变量与其他变量之间的关系建模的方法）有深刻的理解，可以帮助您解决大量现实世界的问题 应用领域涉及预测几乎任何数值，包括住房价值，客户支出和股票价格 本课程揭示了最重要的线性回归技术背后的概念以及如何有效地使用它们 在整个过程中，讲师Keith McCormick在介绍每个概念时都使用IBM SPSS Statistics，因此假定您对该软件有一定的了解 但重点将放在了解软件的概念而不是软件的机制上 SPSS用户将具有暴露于SPSS中几乎所有回归功能的额外好处

讲师Keith McCormick讲述了简单的线性回归，解释了如何构建有效的散点图并计算和解释回归系数
他还潜入多元回归的挑战和假设，并通过三种截然不同的回归策略采取步骤
为了总结，他讨论了一些回归的替代方法，包括回归树和时间序列预测

主题包括：
在Chart Builder中构建有效的散点图
多元回归的挑战和假设
以可视方式检查假设
创建虚拟代码
创建和测试互动条款
了解部分和部分相关性
发现问题并采取纠正措施
处理多重共线性

• [Keith]我是Keith McCormick，我是一名活跃的顾问，会议发言人和书籍作者。
  回归是每个人都认为他们知道的技术，但让我试着说服你彻底学习回归是至关重要的。
  我真正喜欢这个主题的是如何理解这些概念可以让你解决现实世界的问题。
  那么我们要介绍什么呢？
  我们将真正关注概念，即使我们将始终使用SPSS统计数据。
  我希望如果您是R或SAS的用户或其他工具，您将从基础知识的全面审查中受益匪浅。
  我们不会对软件选项感到害羞。
  由于我们将始终使用SPSS，因此我们将非常详细地探索许多可选设置。
  我们的主题之一将是可能出错：如何检查是否满足此技术的假设，以及如果失败则该怎么办。
  构成课程四分之一的另一个重要主题是三种不同的回归策略以及何时应该使用它们。
  最后，我们将讨论回归的几种替代方案，它们的不同之处，以及它们何时更适合。
  我希望你喜欢这门课程。
  本课程视频下载地址:机器学习和AI基础：线性回归