หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
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
หลักสูตร
โครงร่างคอร์ส
1
Parallel Slopes
ต่อยอดทักษะ linear regression สู่ parallel slopes regression ซึ่งใช้ตัวแปรอธิบายแบบตัวเลขหนึ่งตัวและแบบกลุ่มหนึ่งตัว นี่คือก้าวแรกสู่การเรียนรู้ multiple linear regression อย่างเต็มรูปแบบ
- การถดถอยเชิงเส้นแบบความชันขนาน50 XP
- การ Fit โมเดล Parallel Slopes Linear Regression100 XP
- การตีความสัมประสิทธิ์ของ parallel slopes100 XP
- การแสดงภาพตัวแปรอธิบายแต่ละตัว100 XP
- การแสดงภาพ Parallel Slopes100 XP
- การพยากรณ์ด้วยโมเดล Parallel Slopes50 XP
- การพยากรณ์ด้วยโมเดล Parallel Slopes100 XP
- การแสดงภาพการพยากรณ์ของโมเดล Parallel Slopes100 XP
- การคำนวณค่าพยากรณ์ด้วยตนเอง100 XP
- การประเมินประสิทธิภาพของโมเดล50 XP
- การเปรียบเทียบค่าสัมประสิทธิ์การตัดสินใจ100 XP
- การเปรียบเทียบค่าความคลาดเคลื่อนมาตรฐานของส่วนตกค้าง100 XP
2
Interactions
สำรวจผลของ interaction ระหว่างตัวแปรอธิบาย การพิจารณา interaction ช่วยให้โมเดลสมจริงยิ่งขึ้นและมีความแม่นยำในการพยากรณ์ที่ดีขึ้น นอกจากนี้ยังจะได้รับมือกับ Simpson's Paradox ซึ่งเป็นผลลัพธ์ที่ดูขัดสัญชาตญาณและเกิดขึ้นเมื่อมีตัวแปรอธิบายหลายตัว
3
Multiple Linear Regression
เรียนรู้ว่าการสร้างโมเดลและ linear regression ช่วยให้ทำงานกับตัวแปรอธิบายมากกว่าสองตัวได้อย่างสะดวก เมื่อเชี่ยวชาญการ fit โมเดล linear regression แล้ว จะได้ลองพัฒนาอัลกอริทึม linear regression ของตัวเองด้วย
4
Multiple Logistic Regression
ต่อยอดทักษะ logistic regression สู่การใช้งานกับตัวแปรอธิบายหลายตัว พร้อมเรียนรู้เกี่ยวกับการแจกแจงแบบ logistic ซึ่งเป็นรากฐานของ regression รูปแบบนี้ ก่อนจะได้พัฒนาอัลกอริทึม logistic regression ของตัวเองในขั้นตอนสุดท้าย
Regression ระดับกลางด้วย statsmodels ใน Python
เรียนคอร์สจบแล้ว
