Couvre la régression linéaire, lanalyse de corrélation et les fondamentaux de régression logistique, en mettant laccent sur la distinction entre la corrélation et la causalité.
Explore la préparation des données pour l'apprentissage automatique, en mettant l'accent sur la conversion numérique et les techniques efficaces de visualisation des données.
Explore la régression linéaire gaussienne, la matrice de conception, l'estimation des moindres carrés et l'interprétation géométrique dans l'analyse de régression linéaire.
Explore les tests de bonté d'ajustement, les tests X2 et les tests d'indépendance dans les statistiques, avec des exemples pratiques et des applications.
Couvre la régression linéaire, de lélaboration de questions de recherche à linterprétation de R-carré et en ajoutant des prédicteurs pour améliorer le modèle.
