资源介绍
视频数量：21个
总时长：4小时53分
课程介绍：
R语言分类数据分析
你处理过调查问卷数据吗？比如分析"喜欢"和"不喜欢"的人数差异，或者比较不同年龄段用户的选择偏好。这种计数、频率类的数据在工作中太常见了，但很多人在面对它们时不知道该用什么方法。还有些人面试时被问到"面对小、中、大这样的有序分类数据该怎么分析"，只会说"回归分析"，却不知道面试官真正想听的是"有序逻辑回归"这一个词。
这门课就是来解决这些问题的。
课程讲师曾在医疗保健公司担任数据科学家，本科专业是心理学。他完全理解非技术背景出身的人面对数据时的困惑，因为他自己也经历过这个阶段。他讨厌用晦涩的术语来解释统计概念，而是更愿意用直觉和实际案例让事情变得简单。他创建这门课的目的很明确：帮助那些想转型到数据领域，但缺乏某些关键知识的人补上这块短板。
课程从安装R语言开始，手把手带你搭建分析环境。然后直接进入分类数据分析的核心内容。
第一部分是卡方检验。课程先讲2x2表格的卡方检验，这是最基础的场景，用来判断两个分类变量之间是否存在关联。比如你想知道男性和女性在购买决策上有没有显著差异，就可以用这个方法。课程会教你怎么在R里实现，从数据导入开始，一步一步演示代码逻辑，最后还会带你做代码回顾，确保你真正理解每一步在做什么。掌握了基础版本之后，进入广义卡方检验，可以处理更复杂的行列表格，比如3x3甚至更大的表格。
第二部分是两样本比例检验。这个方法用来比较两组的成功率，比如对比A方案和B方案的转化率。课程会教你怎么处理数据格式，因为R中的prop.test函数对输入格式有特定要求，你需要学会把原始数据转换成它能接受的形式。很多人在这里卡住，但跟着课程做一遍就能理清楚。
第三部分是逻辑回归系列，这是课程的重头戏。讲师会从逻辑回归的基本原理讲起，解释为什么要用这个方法，它和普通线性回归有什么区别。然后分别在R中实现二分类逻辑回归、多项逻辑回归和有序逻辑回归。有序逻辑回归特别重要，因为很多实际数据天然具有顺序——比如满意度调查的小、中、大，电影评分的一到五星，疾病分期的轻中重。如果你不懂有序逻辑回归，分析这类数据时要么浪费信息，要么根本找不到正确的方向。
每种回归方法都配套了数据集，你可以边学边练。课程还专门设置了一个就业准备测试模块，用实际问题检验你学得怎么样。如果能顺利通过，说明你已经具备了处理分类数据面试题的能力。
整门课将近5个小时，内容紧凑实用。讲师讲课的节奏比较好理解，没有上来就堆公式，而是先把场景和思路讲清楚，再给你看代码实现。他会用"我理解你们的感受"这样的话来拉近距离，因为他自己也是从非技术背景走过来的，知道初学者容易在哪些地方绕弯子。
学完这门课，你能够独立完成分类数据分析的全流程，知道什么时候用卡方检验，什么时候用比例检验，什么时候用逻辑回归，以及对应的R代码怎么写。更重要的是，你在面试时遇到这类问题会有底气和条理。分类数据分析是数据科学面试的高频考点，很多岗位都看重候选人在这块的能力。课程内容涵盖了实际工作中最常用的方法，学完就能派上用场。