Do curso: Python para Ciência de Dados: Formação Básica
Acesse o curso completo hoje mesmo
Cadastre-se hoje mesmo e acesse mais de 23.200 cursos criados por especialistas.
Modelo de Regressão Logística - Tutorial de Python
Do curso: Python para Ciência de Dados: Formação Básica
Modelo de Regressão Logística
Diferentemente da regressão linear, que usamos variáveis numéricas para predizer valores de uma observação, com a regressão logística nós podemos predizer a categoria de observação. Casos de uso da regressão logística incluem: análise de propensão de vendas VS gastos com propaganda; predição de rotatividade de clientes; e predição de eventos perigosos. Ao aplicar uma regressão logística, precisamos conferir se os dados seguem os pressupostos desse tipo de regressão: O conjunto de dados não podem conter valores em branco; A variável predita é categórica ou binária ou ordinal; todas as variáveis preditoras são independentes; e existem pelo menos 50 observações por variável preditora. A seguir vamos ver como aplicar regressão logística à um conjunto de dados.
Pratique enquanto aprende com arquivos de exercícios
Baixe os arquivos usados pelo instrutor do curso. Siga a apresentação e aprenda assistindo, ouvindo e praticando.