使用 Pandas 和 Python 掌握迴歸和預測 [2026]

學習使用 Pandas 和 Python 掌握迴歸和預測，用於資料科學、資料分析和機器學習

從這 42.5 小時的課程，你會學到

精通迴歸、迴歸分析與預測的理論與實踐
精通從簡單迴歸模型到多項式多元迴歸模型以及高階多元多項式多元迴歸模型的各種迴歸模型
運用機器學習自動模型建立和特徵選擇
運用 Lasso 迴歸和嶺迴歸對迴歸模型進行正規化
運用決策樹、隨機森林、XGBoost 和投票迴歸模型
運用前饋多層網路與進階迴歸模型結構
運用有效的高階殘差分析工具來評估模型的適合度和殘差分佈
運用 Statsmodels 和 Scikit-learn libraries (程式庫)進行迴歸分析，並支援 Matplotlib、Seaborn、Pandas 和 Python
精通 Python 3 編程，包括 Python 的原生資料結構、資料轉換器、函數、物件導向和邏輯
運用和設計高階 Python 結構，並使用 Python 執行詳細的資料處理任務檔案處理
運用 Python 的高階物件導向編寫程式，建立自訂物件和函數，並學習如何泛化函數。
操作數據，並使用高級多維非均勻數據結構。
精通 Pandas 2 和 3 library，進行進階資料處理。
使用 Pandas library 的語言和基本概念，處理從 Pandas DataFrame 建立、變更、修改和選擇資料的各個方面。
使用 Pandas 進行檔案處理，並學習如何使用 Pandas 的 concat、join 和 merge 函數/方法合併 Pandas DataFrame。
執行高級資料準備，包括基於模型的缺失資料插補以及資料的縮放和標準化。
使用 Pandas 建立高級資料描述和統計資料。將資料進行排名、排序、交叉製表、透視、熔化、轉置和分組。
[加分項] 使用 Pandas、Matplotlib 和 Seaborn 建立進階資料視覺化。
雲端運算：使用 Anaconda Cloud Notebook（基於雲端的 Jupyter Notebook）。學習如何使用雲端運算資源
選項：使用 Anaconda 發行版（適用於 Windows、Mac 和 Linux）
選項：使用 Python 環境基礎知識，透過 Conda 套件管理系統和命令列安裝/更新庫和套件

要求

建議具備日常使用電腦的經驗，作業系統可以是 Windows、macOS、iOS、Android、ChromeOS 或 Linux。
需要一台可以連接網路的電腦。
無需程式設計經驗，我們將教授您所需的一切知識。
本課程僅使用免費軟體。
課程包含雲端運算和 Windows 10/11 的安裝和設定影片教學。

課程說明

歡迎來到「使用 Pandas 和 Python 精通迴歸與預測」課程！

這門三合一的大師級視訊課程將教您精通迴歸、預測、Python 3、Pandas 2 和 3 以及高級資料處理。

您將學習掌握迴歸、迴歸分析和預測，並掌握大量用於預測和自動模型創建（即所謂的真正機器智慧或人工智慧）的高階迴歸技術。您將學習如何處理高階模型結構和用於預測任務的極端梯度提升迴歸 (XGBoost)。

Python 3 是世界上最受歡迎、最有用的程式語言之一，而 Pandas 2 和未來的版本 3 是目前最強大、最高效、最有用的資料處理庫。

您將學習掌握 Python 的原生建置模組和強大的物件導向程式設計。您將設計自己的 Python 建構模組高階結構，並使用 Python 執行詳細的資料處理任務。

您將學會精通 Pandas 庫，並運用其強大的資料處理技術來完成高級資料科學和機器學習資料處理任務。 Pandas library (程式庫) 是一款快速、強大、靈活且易於使用的開源資料分析和資料處理工具，可直接與 Python 程式語言搭配使用。

您將學習：

精通迴歸、迴歸分析與預測的理論與實踐
精通從簡單線性迴歸模型到多項式多元迴歸模型，再到高階多元多項式多元迴歸模型以及 XGBoost 迴歸的各種迴歸模型。
運用機器學習自動模型建立和特徵選擇
運用 Lasso 迴歸和嶺迴歸對迴歸模型進行正規化
運用決策樹、隨機森林、XGBoost 和投票迴歸模型
運用前饋多層網路與進階迴歸模型結構
運用有效的高階殘差分析工具來評估模型的適合度和殘差分佈。
使用 Statsmodels 和 Scikit-learn libraries (程式庫) 進行迴歸分析，並藉助 Matplotlib、Seaborn、Pandas 和 Python 實作。
精通 Python 3 編寫程式，掌握 Python 的原生資料結構、資料轉換器、函數、物件導向程式設計和邏輯。
運用和設計高階 Python 結構，並使用 Python 執行詳細的資料處理任務。文件處理
運用 Python 的高階物件導向編程，建立自訂物件和函數，並學習如何泛化函數。
操作數據，並使用高級多維非均勻數據結構。
精通 Pandas 2 和 3 library (程式庫)，進行進階資料處理。
使用 Pandas library 的語言和基本概念，處理建立、變更、修改和選擇 Pandas DataFrame 物件中的所有資料操作。
使用 Pandas 進行檔案( file )處理，並學習如何使用 Pandas 的 concat、join 和 merge 函數/方法合併 Pandas DataFrame。
執行高級資料準備，包括基於模型的缺失資料插補以及資料的縮放和標準化。
使用 Pandas 建立高級資料描述和統計資料。將資料進行排名、排序、交叉製表、透視、熔化、轉置和分組。
[加分項] 使用 Pandas、Matplotlib 和 Seaborn 建立進階資料視覺化。
雲端運算：使用 Anaconda Cloud Notebook（基於雲端的 Jupyter Notebook）。學習如何使用雲端運算資源。
選項：使用 Anaconda 發行版（適用於 Windows、Mac 和 Linux）。
選項：使用 Conda 套件管理系統和命令列安裝/更新庫和軟體套件，掌握 Python 環境基礎知識 — 這些寶貴的技能將顯著提升您的工作效率。
以及更多…