Name: Nhập môn Phân tích Dự đoán với Python
Rating: 4.822314049586777 (242 reviews)

Mô tả khóa học

Trong khóa học này, bạn sẽ học cách xây dựng mô hình hồi quy logistic với các biến có ý nghĩa. Bạn cũng sẽ học cách dùng mô hình này để đưa ra dự đoán và cách trình bày mô hình cùng hiệu năng của nó cho các bên liên quan trong doanh nghiệp.

Yêu cầu tiên quyết

Intermediate Python

Chương trình học

Đề cương khóa học

Xây dựng mô hình hồi quy logistic

Trong chương này, bạn sẽ học những kiến thức cơ bản về hồi quy logistic: cách dự đoán một biến mục tiêu nhị phân bằng các biến liên tục, và cách diễn giải mô hình này cũng như dùng nó để dự đoán cho các ví dụ mới.

Bắt đầu chương

Chọn biến tiến dần (forward stepwise) cho hồi quy logistic

Trong chương này bạn sẽ hiểu vì sao việc chọn biến là then chốt để xây dựng một mô hình hữu ích. Bạn cũng sẽ học cách triển khai chọn biến tiến dần cho hồi quy logistic và cách quyết định số lượng biến cần đưa vào mô hình cuối cùng.

Bắt đầu chương

Giải thích hiệu năng mô hình cho doanh nghiệp

Giờ đây khi đã biết cách xây dựng một mô hình tốt, bạn cần thuyết phục các bên liên quan sử dụng nó bằng cách tạo các đồ thị phù hợp. Bạn sẽ học cách xây dựng và diễn giải đường cong lợi ích tích lũy (cumulative gains) và đồ thị lift.

Bắt đầu chương

Diễn giải và giải thích mô hình

Trong bối cảnh kinh doanh, việc giải thích trực giác đằng sau mô hình bạn xây dựng thường rất quan trọng. Thật vậy, nếu mô hình và các biến không hợp lý, mô hình có thể sẽ không được sử dụng. Trong chương này bạn sẽ học cách giải thích mối quan hệ giữa các biến trong mô hình và mục tiêu thông qua các biểu đồ hiểu biết về biến dự báo (predictor insight).