After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Khi làm việc với dữ liệu có nhiều biến, chúng ta thường muốn nghiên cứu mối quan hệ giữa các biến bằng thống kê đa biến. Trong khóa học này, bạn sẽ học cách phân tích các tập dữ liệu như vậy. Bạn cũng sẽ tìm hiểu các phân phối xác suất đa biến phổ biến, bao gồm chuẩn đa biến, t-đa biến và một số phân phối lệch đa biến. Tiếp đó, bạn sẽ được giới thiệu các kỹ thuật biểu diễn dữ liệu không gian chiều cao về ít chiều hơn, bao gồm phân tích thành phần chính (PCA) và phép co kéo đa chiều (MDS).
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Đọc và vẽ dữ liệu đa biến
Trong phần mở đầu về dữ liệu đa biến này, bạn sẽ học cách đọc và tóm tắt dữ liệu. Bạn sẽ học cách tóm tắt dữ liệu đa biến bằng thống kê mô tả, như vector trung bình, ma trận phương sai-hiệp phương sai và ma trận tương quan. Sau đó, bạn sẽ khám phá các kỹ thuật vẽ để rút ra hiểu biết từ dữ liệu đa biến.
- Đọc dữ liệu đa biến50 XP
- Đọc dữ liệu đa biến bằng read.table100 XP
- Chỉ định kiểu dữ liệu cho các cột100 XP
- Vectơ trung bình và ma trận phương sai–hiệp phương sai50 XP
- Tính vector trung bình100 XP
- Tính ma trận phương sai–hiệp phương sai100 XP
- Tính ma trận tương quan100 XP
- Vẽ dữ liệu đa biến50 XP
- Biểu đồ cặp bằng base graphics và lattice100 XP
- Các kỹ thuật vẽ 3D100 XP
2
Phân phối Chuẩn Đa biến
Chương này sẽ giới thiệu đến bạn phân phối xác suất đa biến quan trọng và được dùng rộng rãi nhất: phân phối chuẩn đa biến. Bạn sẽ học cách tạo mẫu ngẫu nhiên từ một phân phối chuẩn đa biến và cách tính cũng như vẽ mật độ và xác suất dưới phân phối này. Bạn cũng sẽ học cách kiểm định xem một tập dữ liệu có tuân theo tính chuẩn đa biến hay không.
3
Các Phân phối Đa biến Khác
Chương này giới thiệu một loạt phân phối xác suất để mô hình hóa dữ liệu không chuẩn. Cụ thể, bạn sẽ được làm quen với các phân phối t-đa biến, có thể mô hình hóa các đuôi nặng hơn và là tổng quát hóa của phân phối t của Student một biến. Bạn cũng sẽ được giới thiệu các phân phối lệch khác nhau, được thiết kế để mô hình hóa dữ liệu lệch phải hoặc lệch trái.
4
PCA và Phép co kéo đa chiều
Ở chương cuối, bạn sẽ được giới thiệu các kỹ thuật phân tích dữ liệu có số chiều lớn, bao gồm phân tích thành phần chính (PCA) và phép co kéo đa chiều (MDS). Bạn cũng sẽ học cách triển khai các kỹ thuật này thông qua phân tích dữ liệu.
R
Phân phối Xác suất Đa biến trong R
Hoàn
thành khóa học
