Chuyển đến nội dung chính

Khóa học

Mô hình hóa với dữ liệu trong Tidyverse

Trung cấp4 giờ

R4 giờ17 video49 bài tập3,900 XP27,366Giấy chứng nhận thành tích

Tạo tài khoản miễn phí

Tiếp tục với Google
hoặc
Bằng việc tiếp tục, ban chấp nhận Điều khoản sử dụng, của chúng tôi Chính sách bảo mật và rằng dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Được người học tại hàng nghìn công ty yêu thích

Đào tạo đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Trong khóa học này, bạn sẽ học cách mô hình hóa với dữ liệu. Mô hình cố gắng nắm bắt mối quan hệ giữa biến kết quả bạn quan tâm và một loạt biến giải thích/dự báo. Những mô hình như vậy có thể dùng cho cả mục đích giải thích, ví dụ: "Biết độ tuổi của giảng viên có giúp giải thích điểm đánh giá giảng dạy của họ không?", và mục đích dự báo, ví dụ: "Chúng ta có thể dự đoán giá một căn nhà dựa trên diện tích và tình trạng của nó tốt đến mức nào?" Bạn sẽ tận dụng kỹ năng tidyverse để xây dựng và diễn giải các mô hình đó. Khóa học này tập trung vào hồi quy tuyến tính, một trong những phương pháp mô hình hóa phổ biến và dễ hiểu nhất. Cách mô hình hóa và tư duy này được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm thống kê, suy luận nhân quả, Machine Learning và trí tuệ nhân tạo.

Yêu cầu tiên quyết

Chương trình học

Đề cương khóa học

1

Giới thiệu về mô hình hóa

Chương này sẽ giới thiệu cho bạn một số lý thuyết nền tảng và thuật ngữ về mô hình hóa, cụ thể là khung mô hình tổng quát, sự khác nhau giữa mô hình hóa để giải thích và mô hình hóa để dự đoán, và bài toán mô hình hóa. Bên cạnh đó, bạn sẽ bắt đầu thực hiện phân tích dữ liệu khám phá đầu tiên — một bước khởi đầu quan trọng trước bất kỳ mô hình hóa chính thức nào.
Bắt đầu chương
2

Mô hình hóa với hồi quy cơ bản

Với hiểu biết về khung mô hình tổng quát, ở chương này, chúng ta sẽ đề cập đến hồi quy tuyến tính cơ bản, nơi bạn giữ mọi thứ đơn giản và mô hình hóa biến kết quả y như một hàm của một biến giải thích/dự báo x duy nhất. Chúng ta sẽ dùng cả biến x dạng số và dạng phân loại. Biến kết quả được quan tâm trong chương này sẽ là điểm đánh giá giảng dạy của các giảng viên tại Đại học Texas, Austin.
Bắt đầu chương
3

Mô hình hóa với hồi quy bội

Ở chương trước, bạn đã học về hồi quy cơ bản với một biến dự báo dạng số hoặc dạng phân loại. Nhưng tại sao lại chỉ giới hạn ở một biến để hỗ trợ giải thích/dự đoán? Giờ bạn sẽ mở rộng hồi quy cơ bản thành hồi quy bội, cho phép đưa vào nhiều hơn một biến giải thích hoặc biến dự báo trong mô hình. Bạn sẽ mô hình hóa giá nhà bằng một bộ dữ liệu các căn nhà ở khu vực đô thị Seattle, WA.
Bắt đầu chương
4

Đánh giá và lựa chọn mô hình

Ở các chương trước, bạn đã khớp nhiều mô hình để giải thích hoặc dự đoán một biến kết quả quan tâm. Tuy nhiên, làm sao biết nên chọn mô hình nào? Các thước đo đánh giá mô hình cho phép bạn đánh giá mức độ một mô hình giải thích "phù hợp" với một bộ dữ liệu hoặc độ chính xác của một mô hình dự báo. Dựa trên các thước đo này, bạn sẽ tìm hiểu về các tiêu chí để xác định mô hình nào là "tốt nhất".
Bắt đầu chương
R

Mô hình hóa với dữ liệu trong Tidyverse

Hoàn
thành khóa học

Nhận Chứng nhận Hoàn thành

Đăng ký ngay

Phát triển kỹ năng dữ liệu với DataCamp for Mobile

Tiến bộ mọi lúc mọi nơi với các khóa học di động và thử thách lập trình 5 phút hàng ngày.