Name: Giới thiệu về Hồi quy với statsmodels trong Python
Rating: 4.814276048714479 (2956 reviews)

Mô tả khóa học

Sử dụng thư viện statsmodels của Python cho hồi quy tuyến tính và hồi quy logistic

Hồi quy tuyến tính và hồi quy logistic là hai trong số các mô hình thống kê được sử dụng rộng rãi nhất. Chúng hoạt động như những chiếc chìa khóa vạn năng, giúp mở ra những bí mật ẩn giấu trong dữ liệu của quý vị. Trong khóa học này, quý vị sẽ nắm được các kỹ năng để thực hiện các mô hình hồi quy tuyến tính và hồi quy logistic đơn giản.

Thông qua các bài tập thực hành, quý vị sẽ khám phá mối quan hệ giữa các biến trong các bộ dữ liệu thực tế, bao gồm các yêu cầu bồi thường bảo hiểm xe cơ giới, giá nhà ở Đài Loan, kích thước cá và nhiều chủ đề khác.

Khám phá cách thực hiện dự đoán và đánh giá mức độ phù hợp của mô hình

Quý vị sẽ bắt đầu khóa học kéo dài 4 giờ này bằng việc tìm hiểu khái niệm hồi quy là gì, sự khác biệt giữa hồi quy tuyến tính và hồi quy logistic, cũng như cách áp dụng cả hai phương pháp này. Tiếp theo, quý vị sẽ tìm hiểu cách sử dụng các mô hình hồi quy tuyến tính để đưa ra dự đoán dựa trên dữ liệu, đồng thời nắm rõ các đối tượng mô hình.

Khi tiếp tục học, quý vị sẽ tìm hiểu cách đánh giá mức độ phù hợp của mô hình, cũng như cách xác định mức độ phù hợp của mô hình hồi quy tuyến tính. Cuối cùng, quý vị sẽ tìm hiểu sâu hơn về các mô hình hồi quy logistic để đưa ra dự đoán dựa trên dữ liệu thực tế.

Tìm hiểu những kiến thức cơ bản về phân tích hồi quy trong Python

Khi kết thúc khóa học này, quý vị sẽ biết cách đưa ra dự đoán dựa trên dữ liệu, đánh giá hiệu suất mô hình và xác định các vấn đề liên quan đến độ phù hợp của mô hình. Quý vị sẽ hiểu cách sử dụng thư viện statsmodels của Python để thực hiện phân tích hồi quy và có thể áp dụng những kỹ năng này vào các tập dữ liệu thực tế.

Yêu cầu tiên quyết

Introduction to Data Visualization with Seaborn Introduction to Statistics in Python

Chương trình học

Đề cương khóa học

Mô hình Hồi quy Tuyến tính Đơn giản

Bạn sẽ học những điều cơ bản của mô hình thống kê phổ biến này, hồi quy là gì, và sự khác nhau giữa hồi quy tuyến tính và hồi quy logistic. Tiếp đó, bạn sẽ học cách khớp các mô hình hồi quy tuyến tính đơn giản với biến giải thích dạng số và dạng phân loại, và cách mô tả mối quan hệ giữa biến phản hồi và biến giải thích bằng các hệ số mô hình.

Bắt đầu chương

Dự đoán và đối tượng mô hình

Trong chương này, bạn sẽ khám phá cách dùng các mô hình hồi quy tuyến tính để đưa ra dự đoán về giá nhà ở Đài Loan và lượt nhấp quảng cáo trên Facebook. Bạn cũng sẽ nâng cao kỹ năng hồi quy khi trực tiếp làm việc với đối tượng mô hình, hiểu khái niệm "hồi quy về trung bình" (regression to the mean), và học cách biến đổi các biến trong một tập dữ liệu.

Bắt đầu chương

Đánh giá độ khớp của mô hình

Trong chương này, bạn sẽ học cách đặt câu hỏi cho mô hình để đánh giá độ khớp. Bạn sẽ học cách định lượng mức độ mô hình hồi quy tuyến tính khớp với dữ liệu, chẩn đoán vấn đề của mô hình bằng trực quan hóa, và hiểu độ đòn bẩy (leverage) và ảnh hưởng (influence) của từng quan sát trong việc tạo nên mô hình.

Bắt đầu chương

Mô hình Hồi quy Logistic Đơn giản

Học cách khớp các mô hình hồi quy logistic. Với dữ liệu thực tế, bạn sẽ dự đoán khả năng một khách hàng đóng tài khoản ngân hàng dưới dạng xác suất thành công và tỉ lệ cược (odds), và định lượng hiệu quả mô hình bằng ma trận nhầm lẫn.