Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Hãy tưởng tượng bạn có thể xử lý dữ liệu mà biến phản hồi là nhị phân, dạng đếm, hoặc xấp xỉ phân phối chuẩn — tất cả trong một khung thống nhất. Bạn không cần tưởng tượng nữa. Chào mừng đến với khóa học Mô hình Tuyến tính Tổng quát trong Python! Trong khóa học này, bạn sẽ mở rộng “hộp đồ nghề” hồi quy với các mô hình logistic và Poisson, học cách fit mô hình, hiểu và đánh giá hiệu năng mô hình, và cuối cùng là dùng mô hình để dự đoán trên dữ liệu mới. Bạn sẽ thực hành với dữ liệu từ các nghiên cứu thực tế như vụ ngộ độc dân số lớn nhất trong lịch sử, hiện tượng làm tổ của cua móng ngựa và số lượt xe đạp qua các cây cầu ở Thành phố New York.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về GLM
Ôn tập mô hình tuyến tính và tìm hiểu cách GLM mở rộng mô hình tuyến tính cho các kiểu biến phản hồi khác nhau. Bạn cũng sẽ học các khối xây dựng của GLM và quy trình kỹ thuật để fit một GLM trong Python.
- Vượt ra ngoài hồi quy tuyến tính50 XP
- Áp dụng mô hình tuyến tính50 XP
- Mô hình tuyến tính, một trường hợp đặc biệt của GLM100 XP
- Cách xây dựng một GLM?50 XP
- Kiểu dữ liệu và họ phân phối100 XP
- Mô hình tuyến tính và biến phản hồi nhị phân100 XP
- So sánh giá trị dự đoán100 XP
- Cách khớp một GLM trong Python?50 XP
- Ước lượng mô hình từng bước100 XP
- Kết quả khớp mô hình với summary()100 XP
- Trích xuất ước lượng tham số100 XP
2
Mô hình hóa dữ liệu nhị phân
Chương này tập trung vào hồi quy logistic. Bạn sẽ tìm hiểu cấu trúc của dữ liệu nhị phân, hàm liên kết logit, cách fit mô hình, cũng như cách diễn giải hệ số, suy luận mô hình và đánh giá hiệu năng mô hình.
3
Mô hình hóa dữ liệu đếm
Tại đây bạn sẽ học về hồi quy Poisson, bao gồm thảo luận về dữ liệu đếm, phân phối Poisson và cách diễn giải mô hình đã fit. Bạn cũng sẽ học cách khắc phục vấn đề phương sai lớn (overdispersion). Cuối cùng, bạn sẽ thực hành trực tiếp quy trình trực quan hóa mô hình.
4
Hồi quy logistic đa biến
Ở chương cuối, bạn sẽ học cách tăng độ phức tạp của mô hình bằng cách thêm nhiều biến giải thích. Bạn sẽ thực hành với vấn đề đa cộng tuyến, cũng như cách xử lý biến phân loại và các hạng tương tác trong mô hình.
Mô hình Tuyến tính Tổng quát (GLM) trong Python
Hoàn
thành khóa học
