Lewati ke konten utama

Kursus

Pengantar Predictive Analytics dengan Python

DasarTingkat Keterampilan

Diperbarui 11/2022

Dalam kursus ini, Anda akan belajar menggunakan dan mempresentasikan model regresi logistik untuk membuat prediksi.

Mulai Kursus Gratis

PythonMachine Learning

4 jam

14 videos

52 Latihan

4,100 XP

22,583

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Dalam kursus ini, Anda akan belajar membangun model regresi logistik dengan variabel yang bermakna. Anda juga akan mempelajari cara menggunakan model ini untuk membuat prediksi serta cara mempresentasikan model dan kinerjanya kepada pemangku kepentingan bisnis.

Persyaratan

Intermediate Python

1

Membangun Model Regresi Logistik

Pada bab ini, Anda akan mempelajari dasar-dasar regresi logistik: bagaimana memprediksi target biner dengan variabel kontinu, serta bagaimana menafsirkan model ini dan menggunakannya untuk membuat prediksi pada contoh baru.

Pengantar dan struktur tabel dasar

Struktur tabel dasar

Menjelajahi base table

Menjelajahi variabel prediktor

Regresi logistik

Interpretasi koefisien

Membangun model logistic regression

Menampilkan koefisien dan intersep

Menggunakan model regresi logistik

Membuat prediksi

Donor yang paling mungkin berdonasi

2

Pemilihan variabel forward stepwise untuk regresi logistik

Pada bab ini Anda akan mempelajari alasan pemilihan variabel sangat penting untuk membangun model yang bermanfaat. Anda juga akan belajar menerapkan pemilihan variabel forward stepwise untuk regresi logistik dan bagaimana memutuskan jumlah variabel yang disertakan dalam model final Anda.

Motivasi pemilihan variabel

Model mana yang terbaik?

Menghitung AUC

Menggunakan himpunan variabel yang berbeda

Pemilihan variabel bertahap maju

Memilih variabel terbaik berikutnya

Menentukan urutan variabel

Variabel yang berkorelasi

Menentukan jumlah variabel

Mengevaluasi model pada data test dan train

Membangun kurva AUC

Menentukan cut-off

3

Menjelaskan kinerja model kepada bisnis

Sekarang setelah Anda tahu cara membangun model yang baik, Anda perlu meyakinkan pemangku kepentingan untuk menggunakannya dengan membuat grafik yang tepat. Anda akan belajar cara membangun dan menafsirkan kurva cumulative gains dan grafik lift.

Kurva cumulative gains

Menafsirkan kurva cumulative gains

Membuat kurva cumulative gains

Menafsirkan kurva lift

Membangun kurva lift

Model sempurna

Membimbing bisnis menuju keputusan yang lebih baik

Penentuan target menggunakan kurva cumulative gains

Kasus bisnis menggunakan kurva lift

Kasus bisnis menggunakan cumulative gains curve

4

Menafsirkan dan menjelaskan model

Dalam konteks bisnis, sering kali penting untuk menjelaskan intuisi di balik model yang Anda bangun. Jika model dan variabel-variabelnya tidak masuk akal, model tersebut mungkin tidak akan digunakan. Pada bab ini Anda akan belajar cara menjelaskan hubungan antara variabel dalam model dan target melalui grafik wawasan prediktor.

Grafik wawasan prediktor

Interpretasi grafik wawasan prediktor

Mengambil informasi dari tabel predictor insight

Diskretisasi variabel kontinu

Diskretisasi suatu variabel

Mendisretkan semua variabel

Potongan yang rapi

Menyiapkan tabel grafik wawasan prediktor

Menghitung insiden rata-rata

Menyusun tabel predictor insight graph

Mengelompokkan semua tabel predictor insight graph

Memplot grafik wawasan prediktor

Memplot insidensi

Memplot ukuran kelompok

Menggabungkan semuanya

Pengantar Predictive Analytics dengan Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Pengantar Predictive Analytics dengan Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.