¿Asume que ha aprendido todas las técnicas posibles de regresión múltiple?
Por el momento, existen aproximadamente [14–100] técnicas de regresión múltiple que se pueden aplicar para la ciencia de datos.
- Mínimo cuadrado ordinario
- Regresión logística
- Regresión probit
- Regresión instrumental variable
- Regresión cuantil
- Panel lineal de regresión de datos
- Técnica agrupada
- Técnica de población promedio
- Dentro del estimador
- Entre estimador
- Efectos aleatorios
- Efectos fijos
- Panel IV
- Hausman-Taylor
- Estimador de Arellano-Bond
- Regresión lineal mixta
- Panel agrupado y panel no agrupado
- Contar regresión de datos
- Regresión Tobit
- Regresión dinámica
La pregunta debería ser ¿Me especializo en técnicas de regresión múltiple o debería ser un experto en todos los oficios en ciencia de datos?
- ¿Cuáles son los algoritmos de agrupamiento o clasificación para datos de series temporales? ¿Es posible usar estos algoritmos para detectar valores atípicos en datos de series temporales?
- Cómo seguir creciendo como analista de datos
- ¿Cuáles son las posibilidades del análisis de big data y cómo pueden los big data ayudar a los proveedores de servicios a diario?
- ¿Cómo realizan las empresas el análisis predictivo utilizando herramientas Hadoop / Big Data a gran escala?
- ¿Por qué no hay un estándar para el estilo de codificación en GNU R?
Si desea ser el principal de todos los oficios, puede aprender lo siguiente además de la regresión múltiple: bosque aleatorio, árbol de decisión, teoría de grafos.