Build your ultimate AI agent
รายละเอียดคอร์ส
เมื่อทำงานกับข้อมูลที่มีหลายตัวแปร เรามักสนใจศึกษาความสัมพันธ์ระหว่างตัวแปรเหล่านั้นด้วยสถิติหลายตัวแปร ในคอร์สนี้ คุณจะได้เรียนรู้วิธีวิเคราะห์ชุดข้อมูลประเภทนี้ รวมถึงการแจกแจงความน่าจะเป็นหลายตัวแปรที่พบบ่อย ได้แก่ การแจกแจงปกติหลายตัวแปร การแจกแจง t หลายตัวแปร และการแจกแจงเบ้หลายตัวแปรบางประเภท จากนั้นจะได้รู้จักเทคนิคสำหรับแสดงข้อมูลมิติสูงในจำนวนมิติที่น้อยลง ทั้ง Principal Component Analysis (PCA) และ Multidimensional Scaling (MDS)
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การอ่านและพล็อตข้อมูลหลายตัวแปร
ในบทนำเกี่ยวกับข้อมูลหลายตัวแปรนี้ คุณจะได้เรียนรู้วิธีอ่านและสรุปข้อมูลดังกล่าว รวมถึงการสรุปข้อมูลหลายตัวแปรด้วยสถิติเชิงพรรณนา เช่น เวกเตอร์ค่าเฉลี่ย เมทริกซ์ความแปรปรวน-ความแปรปรวนร่วม และเมทริกซ์สหสัมพันธ์ จากนั้นจะสำรวจเทคนิคการพล็อตกราฟเพื่อให้เข้าใจข้อมูลหลายตัวแปรได้ลึกยิ่งขึ้น
- การอ่านข้อมูลหลายตัวแปร50 XP
- การอ่านข้อมูลหลายตัวแปรด้วย read.table100 XP
- การกำหนดชนิดข้อมูลให้กับคอลัมน์100 XP
- เวกเตอร์ค่าเฉลี่ยและเมทริกซ์ความแปรปรวน-ความแปรปรวนร่วม50 XP
- การคำนวณเวกเตอร์ค่าเฉลี่ย100 XP
- การคำนวณเมทริกซ์ความแปรปรวน-ความแปรปรวนร่วม100 XP
- การคำนวณเมทริกซ์สหสัมพันธ์100 XP
- การสร้างกราฟข้อมูลหลายตัวแปร50 XP
- Pairs plot โดยใช้ base graphics และ lattice100 XP
- เทคนิคการพล็อตกราฟ 3 มิติ100 XP
2
การแจกแจงปกติหลายตัวแปร
บทนี้จะแนะนำการแจกแจงความน่าจะเป็นหลายตัวแปรที่สำคัญและใช้กันแพร่หลายที่สุด นั่นคือ การแจกแจงปกติหลายตัวแปร คุณจะได้เรียนรู้วิธีสุ่มตัวอย่างจากการแจกแจงนี้ รวมถึงการคำนวณและพล็อตความหนาแน่นและความน่าจะเป็นภายใต้การแจกแจงดังกล่าว นอกจากนี้ยังได้เรียนรู้วิธีทดสอบว่าชุดข้อมูลเป็นไปตามการแจกแจงปกติหลายตัวแปรหรือไม่
3
การแจกแจงหลายตัวแปรอื่น ๆ
บทนี้แนะนำการแจกแจงความน่าจะเป็นหลากหลายประเภทสำหรับจำลองข้อมูลที่ไม่เป็นการแจกแจงปกติ โดยเฉพาะการแจกแจง t หลายตัวแปร ซึ่งสามารถจำลองหางที่หนากว่าและเป็นการขยายของการแจกแจง t ของ Student แบบตัวแปรเดียว รวมถึงการแจกแจงเบ้ประเภทต่าง ๆ ที่ออกแบบมาเพื่อจำลองข้อมูลที่มีความเบ้ขวาหรือเบ้ซ้ายโดยเฉพาะ
4
Principal Component Analysis และ Multidimensional Scaling
ในบทสุดท้าย คุณจะได้รู้จักเทคนิคสำหรับวิเคราะห์ข้อมูลมิติสูง ทั้ง Principal Component Analysis (PCA) และ Multidimensional Scaling (MDS) พร้อมเรียนรู้วิธีนำเทคนิคเหล่านี้ไปใช้วิเคราะห์ข้อมูลจริง
R
การแจกแจงความน่าจะเป็นหลายตัวแปรใน R
เรียนจบแล้ว

