or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ในบทนี้ คุณจะได้เรียนรู้พื้นฐานของ logistic regression ได้แก่ วิธีพยากรณ์เป้าหมายแบบ binary ด้วยตัวแปรต่อเนื่อง วิธีตีความโมเดล และวิธีนำโมเดลไปใช้พยากรณ์ข้อมูลใหม่
ในบทนี้ คุณจะได้เรียนรู้ว่าเหตุใดการคัดเลือกตัวแปรจึงมีความสำคัญต่อการสร้างโมเดลที่มีประสิทธิภาพ รวมถึงวิธีนำ forward stepwise variable selection มาใช้กับ logistic regression และวิธีตัดสินใจเลือกจำนวนตัวแปรที่เหมาะสมสำหรับโมเดลขั้นสุดท้าย
เมื่อสร้างโมเดลที่ดีได้แล้ว ขั้นตอนต่อไปคือการโน้มน้าวผู้มีส่วนได้ส่วนเสียให้นำโมเดลไปใช้งานด้วยกราฟที่เหมาะสม คุณจะได้เรียนรู้วิธีสร้างและตีความ cumulative gains curve และ lift graph
ในบริบทเชิงธุรกิจ การอธิบายแนวคิดเบื้องหลังโมเดลที่สร้างขึ้นมักเป็นสิ่งสำคัญ เพราะหากโมเดลและตัวแปรในโมเดลไม่สมเหตุสมผล โมเดลนั้นอาจไม่ได้รับการนำไปใช้งาน ในบทนี้ คุณจะได้เรียนรู้วิธีอธิบายความสัมพันธ์ระหว่างตัวแปรในโมเดลกับเป้าหมาย ผ่านกราฟเชิงลึกของตัวพยากรณ์ (predictor insight graph)
แบบฝึกหัดปัจจุบัน