ข้ามไปยังเนื้อหาหลัก

คอร์ส

Introduction to Linear Modeling in Python

ระดับกลาง4 ชม.

สำรวจแนวคิดและการใช้งานของโมเดลเชิงเส้นด้วย Python และสร้างโมเดลเพื่ออธิบาย ทำนาย และดึงอินไซต์จากรูปแบบข้อมูล

Python4 ชม.16 วิดีโอ59 แบบฝึกหัด5,050 XP26,804ใบแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
การดำเนินการต่อหมายความว่าคุณยอมรับ เงื่อนไขการใช้งาน, ของเรา นโยบายความเป็นส่วนตัว และข้อมูลของคุณถูกจัดเก็บไว้ในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในหลายพันบริษัท

รายละเอียดคอร์ส

เป้าหมายหลักของนักวิทยาศาสตร์คือการค้นหารูปแบบในข้อมูลและสร้างโมเดลเพื่ออธิบาย คาดการณ์ และดึงข้อมูลเชิงลึกจากรูปแบบเหล่านั้น รูปแบบพื้นฐานที่สุดคือความสัมพันธ์เชิงเส้นระหว่างสองตัวแปร คอร์สนี้แนะนำการสำรวจ การวัดเชิงปริมาณ และการสร้างโมเดลความสัมพันธ์เชิงเส้นในข้อมูล โดยครอบคลุมเทคนิคต่าง ๆ เช่น least-squares, linear regression, การประมาณค่า และ bootstrap resampling จะได้ใช้เครื่องมือสร้างโมเดลที่ทรงพลังในระบบนิเวศ Python data science อย่าง scipy, statsmodels และ scikit-learn เพื่อสร้างและประเมิน linear model คอร์สนี้เหมาะทั้งสำหรับผู้ที่ต้องการเริ่มต้นสร้างโมเดลในเชิงปฏิบัติ และเป็นรากฐานสำหรับการเรียนรู้เทคนิคและเครื่องมือสร้างโมเดลขั้นสูงด้านสถิติและ machine learning

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงสร้างคอร์ส

1

การสำรวจแนวโน้มเชิงเส้น

เริ่มต้นด้วยการสำรวจความสัมพันธ์เชิงเส้น พร้อมตัวอย่างที่ชวนให้เห็นการนำ linear model ไปใช้งานจริง และการแสดงภาพข้อมูลด้วย matplotlib จากนั้นใช้สถิติเชิงพรรณนาเพื่อวัดรูปร่างของข้อมูล และใช้ค่าสหสัมพันธ์เพื่อวัดความแข็งแกร่งของความสัมพันธ์เชิงเส้นระหว่างสองตัวแปร
เริ่มบทเรียน
2

การสร้าง Linear Model

บทนี้เจาะลึกองค์ประกอบของการสร้าง linear model โดยอาศัยแนวคิด Taylor Series เพื่อทำความเข้าใจพารามิเตอร์ slope และ intercept ว่าทั้งสองกำหนดโมเดลอย่างไร และการตีความในบริบทการใช้งานต่าง ๆ จากนั้นใช้โมดูล Python หลายตัวเพื่อหาโมเดลที่พอดีกับข้อมูลมากที่สุด ด้วยการคำนวณค่าที่เหมาะสมที่สุดของ slope และ intercept ผ่าน least-squares, numpy, statsmodels และ scikit-learn
เริ่มบทเรียน
3

การทำนายด้วยโมเดล

นำโมเดลไปประยุกต์ใช้กับข้อมูลจริงและทำการทำนาย สำรวจข้อจำกัดและปัญหาที่พบบ่อยในการทำนาย รวมถึงประเมินและเปรียบเทียบโมเดลโดยวัดความดีของการปรับค่า (goodness-of-fit) หลายตัว เช่น RMSE และ R-squared
เริ่มบทเรียน
4

การประมาณค่าพารามิเตอร์ของโมเดล

บทสุดท้ายแนะนำแนวคิดสถิติอนุมาน และอธิบายว่า maximum likelihood estimation และ bootstrap resampling นำมาใช้ประมาณค่าพารามิเตอร์ของ linear model ได้อย่างไร จากนั้นนำวิธีการเหล่านี้มาใช้เพื่อระบุความน่าจะเป็นเกี่ยวกับความเชื่อมั่นในพารามิเตอร์ของโมเดล
เริ่มบทเรียน

Introduction to Linear Modeling in Python

เรียนจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp บนมือถือ

ก้าวหน้าได้ทุกที่ด้วยคอร์สมือถือและแบบฝึกหัดการเขียนโค้ด 5 นาทีประจำวันของเรา

Introduction to Linear Modeling in Python | DataCamp