Excel Analytics: Linear Regression Analysis in MS Excel

Excel 中的线性回归分析。Excel 分析包括回归分析、目标探寻和假设分析。

讲师:Start-Tech Academy, Abhishek Bansal, Pukhraj Parikh

您将学到什么

• 学习如何使用线性回归技术解决实际问题
• 使用单变量分析进行数据初步分析，然后再运行线性回归
• 基于过去的数据，通过实现最简单的机器学习算法来预测未来的结果
• 了解如何解读线性回归模型的结果并将其转化为可操作的洞察力
• 深入了解数据收集和机器学习线性回归问题的数据预处理知识
• 课程包含一个从头到尾的动手实践项目，帮助你应用所学的知识。

课程要求

• 您需要一台安装了任意版本 Excel 的电脑
• 基本了解如何打开、关闭和保存 Excel 文件的操作

课程描述

您正在寻找一个完整的线性回归课程，教您如何使用 Excel 创建线性回归模型？
恭喜！您找到了正确的线性回归课程！

完成本课程后，您将能够：
· 识别可以使用机器学习的线性回归技术解决的业务问题。
· 在 Excel 中创建线性回归模型并分析其结果。
· 自信地实践、讨论和理解机器学习概念。

本课程如何帮助您？
所有参加此基础机器学习课程的学生都将获得一份可验证的学习证书。

如果您是业务经理或执行官，或者是一名希望在实际商业问题中应用机器学习的学生，本课程将通过教授最流行的机器学习技术——线性回归，为您提供坚实的基础。

为什么选择本课程？
本课程涵盖了使用线性回归解决业务问题时应采取的所有步骤。
大多数课程只关注如何运行分析，但我们认为，在运行分析之前和之后所做的事情同样重要。即在运行分析前，您需要确保拥有正确的数据并对其进行预处理；而在运行分析后，您应该能够评估模型的质量，并解释结果以真正帮助您的业务。

我们为什么有资格教您？
本课程由 Abhishek 和 Pukhraj 教授。作为全球数据分析咨询公司的经理，我们已经帮助企业使用机器学习技术解决了商业问题，并将实践经验融入了这门课程中。
我们也是最受欢迎的在线课程的创作者之一——拥有超过 150,000 名注册学员和数千条五星级评价。

我们的承诺
教好学生是我们的职责。如果您对课程内容、练习文件或任何相关主题有任何疑问，您可以在课程内提问或直接联系我们。

下载实践文件，参加测验并完成作业
每个讲座都附有课堂笔记供您参考。您可以进行测验以检查自己的理解程度。每个部分包含一个实践作业，让您能够实际应用所学知识。

本课程涵盖哪些内容？
本课程教您创建线性回归模型的所有步骤，这是最流行的机器学习模型之一，用于解决业务问题。
以下是本课程的线性回归内容：

· 第 1 部分：统计基础
这部分分为五个不同的讲座，从数据类型开始，然后是统计类型、描述数据的数据图形表示法，接着是中心度量（如均值、中位数和众数）以及最后的标准差等离散度量。

· 第 2 部分：数据预处理
在本部分中，您将学习如何逐步获取并准备数据进行分析。这些步骤非常重要。
我们从理解业务知识的重要性开始，然后了解如何进行数据分析探索。我们将学习单变量和双变量分析，接着是异常值处理、缺失值填充、变量转换以及相关性。

· 第 3 部分：回归模型
本部分从简单线性回归开始，然后涵盖多元线性回归。
我们介绍了每个概念的基本理论背景，但不会过于数学化，以便您理解其来源和重要性。即使不完全理解也没关系，只要学会如何运行并解释结果即可。

我们还将探讨如何量化模型的准确性、F 统计量的意义、独立变量数据集中分类变量在结果中的解读方式、普通最小二乘法的其他变体以及最终如何解释结果以解决业务问题。
到课程结束时，您将对使用 R 创建回归模型充满信心。您将全面了解如何使用回归建模创建预测模型并解决商业问题。

点击报名按钮，让我们从第一课开始吧！
祝您好运！

Start-Tech Academy

以下是希望开始机器学习之旅的学生的常见问题列表：

什么是机器学习？
机器学习是计算机科学的一个领域，它赋予计算机在没有明确编程的情况下进行学习的能力。它是基于数据可以被系统识别模式并做出决策的人工智能分支。

什么是线性回归技术？
线性回归是一种简单的机器学习模型，用于解决回归问题，即目标变量为实数值。
线性回归是一个线性模型，例如假设输入变量（x）和单个输出变量（y）之间存在线性关系。更具体地说，y 可以从输入变量的线性组合中计算得出。

当只有一个输入变量时，该方法称为简单线性回归。
当有多个输入变量时，则被称为多元线性回归。

为什么学习线性回归技术？
学习线性回归技术的原因有四点：
1. 线性回归是最流行的机器学习技术之一
2. 线性回归具有相当不错的预测准确性
3. 线性回归简单易懂且易于解释
4. 它为您提供了开始学习其他高级机器学习技术的基础

学习线性回归技术需要多长时间？
线性回归很简单，但没有人能确定所需的学习时间。这完全取决于您自己。我们采用的方法从基础开始，在数小时内帮助您达到高级水平。您可以遵循同样的方法，但请记住没有实践就无法掌握所学内容。因此，我们也提供了一个数据集供您作为独立项目进行练习。

我应该采取哪些步骤才能构建一个机器学习模型？
您可以将学习过程分为四个部分：
统计和概率 – 实施机器学习技术需要基本的统计和概率概念知识。课程的第二部分涵盖了这一部分内容。
理解机器学习 – 第四部分帮助您了解与机器学习相关的术语和概念，并提供建立机器学习模型所需的步骤
编程经验 – 机器学习的重要组成部分是编程。Python 和 R 是当今最流行的编程语言。第三部分将帮助您设置 R 环境并教您一些基本操作。
理解线性回归建模 – 对线性回归有良好的了解可以为您提供对机器学习如何工作的坚实基础。尽管线性回归是最简单的机器学习技术之一，但它仍然是最受欢迎的一种，并且具有相当不错的预测能力。第五和第六部分全面涵盖了线性回归主题，在每个理论讲座之后都有一个相应的 R 实践讲座，我们将在其中实际运行每个查询。

本课程适合谁:

• 在职专业人士开始数据科学之旅
• 任何想在短时间内掌握线性回归的人快来吧