or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ในบทนี้จะได้รู้จักกับปัญหาการจำแนกประเภทและเรียนรู้วิธีแก้ด้วยเทคนิค supervised learning จะได้เรียนรู้การแบ่งข้อมูลเป็นชุดฝึกและชุดทดสอบ การฟิตโมเดล การทำนายผล และการประเมินความแม่นยำ รวมถึงทำความเข้าใจความสัมพันธ์ระหว่างความซับซ้อนของโมเดลกับประสิทธิภาพ โดยนำไปประยุกต์ใช้กับชุดข้อมูล churn เพื่อจำแนกสถานะการเลิกใช้บริการของลูกค้าบริษัทโทรคมนาคม
ในบทนี้จะได้รู้จักกับการถดถอย และสร้างโมเดลเพื่อพยากรณ์ยอดขายโดยใช้ชุดข้อมูลเกี่ยวกับค่าใช้จ่ายด้านโฆษณา จะได้เรียนรู้หลักการของ linear regression และเมตริกวัดประสิทธิภาพที่ใช้บ่อย เช่น R-squared และ root mean squared error รวมถึงการทำ k-fold cross-validation และการใช้ regularization กับโมเดลถดถอยเพื่อลดความเสี่ยงของ overfitting
หลังจากฝึกโมเดลแล้ว บทนี้จะสอนวิธีประเมินประสิทธิภาพของโมเดล จะได้รู้จักกับเมตริกหลายตัว รวมถึงเทคนิคการแสดงผลเพื่อวิเคราะห์ประสิทธิภาพของโมเดลจำแนกประเภทด้วย scikit-learn นอกจากนี้ยังจะได้เรียนรู้การปรับโมเดลจำแนกประเภทและโมเดลถดถอยให้ดีขึ้นผ่านการ tuning hyperparameter
เรียนรู้การเติมค่าที่หายไป การแปลงข้อมูลหมวดหมู่เป็นตัวเลข การ scale ข้อมูล การประเมินโมเดล supervised learning หลายตัวพร้อมกัน และการสร้าง pipeline เพื่อทำให้ workflow คล่องตัวขึ้น
แบบฝึกหัดปัจจุบัน