Name: Regression ระดับกลางด้วย statsmodels ใน Python
Rating: 4.826732673267327 (606 reviews)

รายละเอียดคอร์ส

Linear regression และ logistic regression เป็นสองโมเดลทางสถิติที่ใช้กันแพร่หลายที่สุด และเป็นเครื่องมือสำคัญในการค้นพบข้อมูลเชิงลึกที่ซ่อนอยู่ในชุดข้อมูล ในคอร์สนี้ คุณจะต่อยอดทักษะจาก "Introduction to Regression in Python with statsmodels" โดยเรียนรู้เกี่ยวกับ linear regression และ logistic regression ที่มีตัวแปรอธิบายหลายตัว ผ่านแบบฝึกหัดเชิงปฏิบัติ จะได้สำรวจความสัมพันธ์ระหว่างตัวแปรในชุดข้อมูลจริง เช่น ราคาบ้านในไต้หวันและการสร้างโมเดลการเลิกใช้บริการของลูกค้า เมื่อจบคอร์สนี้ จะสามารถใส่ตัวแปรอธิบายหลายตัวในโมเดลได้ เข้าใจผลของ interaction ระหว่างตัวแปรที่มีต่อการพยากรณ์ และเข้าใจหลักการทำงานของ linear regression และ logistic regression

ข้อกำหนดเบื้องต้น

Introduction to Regression with statsmodels in Python

หลักสูตร

โครงร่างคอร์ส

Parallel Slopes

ต่อยอดทักษะ linear regression สู่ parallel slopes regression ซึ่งใช้ตัวแปรอธิบายแบบตัวเลขหนึ่งตัวและแบบกลุ่มหนึ่งตัว นี่คือก้าวแรกสู่การเรียนรู้ multiple linear regression อย่างเต็มรูปแบบ

เริ่มบท

Interactions

สำรวจผลของ interaction ระหว่างตัวแปรอธิบาย การพิจารณา interaction ช่วยให้โมเดลสมจริงยิ่งขึ้นและมีความแม่นยำในการพยากรณ์ที่ดีขึ้น นอกจากนี้ยังจะได้รับมือกับ Simpson's Paradox ซึ่งเป็นผลลัพธ์ที่ดูขัดสัญชาตญาณและเกิดขึ้นเมื่อมีตัวแปรอธิบายหลายตัว

เริ่มบท

Multiple Linear Regression

เรียนรู้ว่าการสร้างโมเดลและ linear regression ช่วยให้ทำงานกับตัวแปรอธิบายมากกว่าสองตัวได้อย่างสะดวก เมื่อเชี่ยวชาญการ fit โมเดล linear regression แล้ว จะได้ลองพัฒนาอัลกอริทึม linear regression ของตัวเองด้วย

เริ่มบท

Multiple Logistic Regression

ต่อยอดทักษะ logistic regression สู่การใช้งานกับตัวแปรอธิบายหลายตัว พร้อมเรียนรู้เกี่ยวกับการแจกแจงแบบ logistic ซึ่งเป็นรากฐานของ regression รูปแบบนี้ ก่อนจะได้พัฒนาอัลกอริทึม logistic regression ของตัวเองในขั้นตอนสุดท้าย