Name: Generalized Linear Models ใน Python
Rating: 4.789115646258503 (147 reviews)

รายละเอียดคอร์ส

ลองนึกภาพว่าสามารถจัดการข้อมูลที่ตัวแปรตอบสนองเป็นได้ทั้งแบบไบนารี แบบนับจำนวน หรือแบบใกล้เคียงการแจกแจงปกติ ภายใต้กรอบงานเดียว — และนั่นไม่ใช่แค่ความฝัน เพราะคอร์ส Generalized Linear Models ใน Python นี้จะพาไปถึงจุดนั้น ในคอร์สนี้ จะได้ขยายทักษะการถดถอยด้วยโมเดล Logistic และ Poisson โดยเรียนรู้วิธีฟิตโมเดล ทำความเข้าใจผลลัพธ์ ประเมินประสิทธิภาพ และนำโมเดลไปพยากรณ์ข้อมูลใหม่ พร้อมฝึกปฏิบัติกับข้อมูลจากกรณีศึกษาจริง เช่น เหตุการณ์พิษจากสารหนูครั้งใหญ่ที่สุดในประวัติศาสตร์โลก การทำรังของปูเกือกม้า และการนับจำนวนจักรยานที่ข้ามสะพานในนิวยอร์กซิตี้

ข้อกำหนดเบื้องต้น

Introduction to Linear Modeling in Python

หลักสูตร

โครงร่างคอร์ส

รู้จัก GLM

ทบทวนโมเดลเชิงเส้น และเรียนรู้ว่า GLM เป็นการขยายต่อยอดจากโมเดลเชิงเส้นอย่างไรเมื่อตัวแปรตอบสนองมีรูปแบบต่างกัน พร้อมทำความเข้าใจส่วนประกอบหลักของ GLM และกระบวนการทางเทคนิคในการฟิต GLM ด้วย Python

เริ่มบท

การสร้างโมเดลสำหรับข้อมูลไบนารี

บทนี้เน้นที่ Logistic Regression โดยจะได้เรียนรู้โครงสร้างของข้อมูลไบนารี ฟังก์ชัน Logit Link การฟิตโมเดล การแปลความหมายของสัมประสิทธิ์ การอนุมานจากโมเดล และวิธีประเมินประสิทธิภาพของโมเดล

เริ่มบท

การสร้างโมเดลสำหรับข้อมูลนับ

บทนี้ครอบคลุม Poisson Regression ซึ่งรวมถึงการอภิปรายเรื่องข้อมูลนับ การแจกแจง Poisson และการแปลความหมายของผลการฟิตโมเดล นอกจากนี้ยังได้เรียนรู้วิธีรับมือกับปัญหา Overdispersion และฝึกปฏิบัติกับกระบวนการแสดงภาพโมเดลด้วย

เริ่มบท

Multivariable Logistic Regression

ในบทสุดท้ายนี้ จะได้เรียนรู้วิธีเพิ่มความซับซ้อนให้โมเดลโดยใช้ตัวแปรอธิบายมากกว่าหนึ่งตัว พร้อมฝึกรับมือกับปัญหา Multicollinearity และการจัดการตัวแปรเชิงหมวดหมู่และ Interaction Term ในโมเดล