Data Analytics Hub

🔥 HỌC R CƠ BẢN – PHẦN 3

LINEAR REGRESSION (HỒI QUY TUYẾN TÍNH) ĐƠN GIẢN VỚI R

🔻 Các bạn học Kinh tế lượng hẳn không còn xa lạ gì với Hồi quy tuyến tính. Đây là một chủ đề vô cùng quen thuộc trong Statistics, và thường là thuật toán đầu tiên bạn được học khi tìm hiểu về Machine Learning. Linear Regression, hiểu một cách đơn giản, là một phương pháp giúp phân tích mối quan hệ giữa một biến (biến phụ thuộc) với nhiều biến khác (biến phụ thuộc).

🔻 Hôm nay page sẽ giới thiệu cách thực hiện kỹ thuật này với R. Thực ra thì đằng sau một mô hình hồi quy tuyến tính có rất nhiều giả định (assumption). Bài viết này sẽ không đi sâu vào những phân tích phức tạp đó, mà chỉ dừng lại ở việc thực hiện các phép hồi quy cơ bản cũng như cách đọc kết quả trong R.

👇 Nào, hãy cùng tiếp tục với eries ứng dụng này của page nhé!
-----
Nội dung liên quan:
▶️ Introduction to R - Phần 1: https://bit.ly/3mpjRKt
▶️ Introduction to R - Phần 2: https://bit.ly/3EUmYRq
▶️ Phân tích dữ liệu cơ bản với R: https://bit.ly/2ZZR2fn
-----
⚙ Data Analytics Hub
📬 Email: [email protected]
📩 Tư vấn trực tiếp: m.me/DataAnalyticsHubVN

👌 GIẢI BÀI TOÁN TÌM ĐƯỜNG NGẮN NHẤT (PHẦN 7)

👉 TỔNG HỢP CÁC CÁCH PHỔ BIẾN CẢI THIỆN MỘT LỘ TRÌNH SẴN CÓ

Đứng trước một lộ trình có sẵn đi qua tất cả các điểm, có những cách biến đổi nào để có thể rút ngắn được tổng độ dài quãng đường??

Như đã đề cập ở bài trước, một trong những cách thức đó là 2-opt: bỏ 2 cạnh trong lộ trình và thay bằng 2 cạnh mới có tổng độ dài ngắn hơn. Tiếp tục ý tưởng đó, bài viết hôm nay của page sẽ giới thiệu với các bạn một số cơ chế khác tương tự với 2-opt, đó là 3-opt, Or-opt, Relocation (hay còn gọi là Shift) và Exchange (còn có tên là Swap).

👇 Hãy cùng tìm hiểu nội dung của từng cách thức nhé!
----
Nội dung liên quan:

▶️ Giới thiệu về TSP: https://bit.ly/3knSVbD
▶️ Tổng quan về Heuristics: https://bit.ly/3Bop0qJ
▶️ Giải TSP bằng Greedy Algorithm: https://bit.ly/2WGRJbi
▶️ Giải TSP bằng Insertion Procedure: https://bit.ly/3ngC1yK
▶️ Giải TSP bằng Clarke & Wright: https://bit.ly/3zpxVXs
----
⚙ Data Analytics Hub
📬 Email: [email protected]
📩 Tư vấn trực tiếp: m.me/DataAnalyticsHubVN