สอน Machine Learning ด้วย scikit-learn

YouTube	Title
	การติดตั้ง scikit-learn สำหรับทำ Machine Learning ด้วย Python
	สอน Machine Learning เบื้องต้น: การพยากรณ์ราคาขาย Big Mac ด้วย Simple Linear Regression
	สอน Machine Learning เบื้องต้น: Multiple Linear Regression
	สอน Machine Learning เบื้องต้น: การแบ่งข้อมูลออกเป็น train และ testing data
	การสร้าง dummy variable และใช้งานกับ Linear Regression ของ scikit-learn และ statsmodels
	การจัดการกับ Missing Values ด้วย SimpleImputer ของ scikit-learn
	สอน Machine Learning: การทำ Polynomial Regression
	สอน Machine Learning: การทำ Multiple Polynomial Regression ด้วย scikit-learn
	หลักการทำงานเบื้องต้นของ Logistic Regression
	การทำ Logistic Regression ด้วย statsmodels
	การทำ Logistic Regression (binary classification) ด้วย scikit-learn
	สอน Machine Learning: รู้จักกับ confusion matrix ของ scikit-learn
	การทำ Multiclass Classification ด้วย KNeighborsClassifier และ LogisticRegression ของ scikit-learn
	สอน Machine Learning: Decision Tree Classification
	การทำ binary classification (Titanic dataset) ด้วย lightGBM เบื้องต้น
	สอน Machine Learning: การเปรียบเทียบความแม่นยำของ Classifier models หลาย ๆ ตัวพร้อม ๆ กัน
	สอน Machine Learning: การหา feature importance ด้วย tree classifier ใน scikit-learn
	สอน Machine Learning: การหา features ที่สำคัญด้วย RFE (Recursive Feature Elimination)
	การวิเคราะห์อนุกรมเวลา Time Series (ฝุ่น PM 2.5) ด้วย Facebook Prophet
	การวิเคราะห์อนุกรมเวลา Time Series (ฝุ่น PM 2.5) ด้วย Lightgbm regressor + SHAP
	หลักการทำงานของ K-Means Clustering (unsupervised learning) ในการแบ่งข้อมูลออกเป็นกลุ่ม ๆ
	สอน Machine Learning: การทำ K-Means Clustering (unsupervised learning) ในการแบ่งข้อมูลออกเป็นกลุ่ม ๆ
	สอน Machine Learning: การหาจำนวน clusters ที่เหมาะสมด้วย Elbow method
	สอน Machine Learning: หาจำนวน cluster ที่เหมาะสมด้วย Silhouette analysis
	สอน Machine Learning: หาจำนวน cluster ที่เหมาะสมด้วย silhouette analysis โดยใช้ scikit-learn
	สอน Machine Learning: การสร้าง 3D scatter plot เพื่อแสดง Cluster
	สอน Machine Learning: จำแนก ice-cream ด้วย cluster analysis
	สอน Machine Learning: การทำ hierarchical clustering
	การวิเคราะห์ตะกร้าสินค้า Market Basket Analysis
	การกรองข้อมูลใน frequent itemsets และ rules ของ market basket analysis
	การแปลง pandas DataFrame ให้เป็น Sparse เพื่อทำ Market Basket Analysis
	แปลงข้อมูลให้อยู่ในรูปแบบสำหรับการทำ Market Basket Analysis
	สอน Machine Learning: Principal Component Analysis (PCA) เบื้องต้น ด้วย iris data
	สอน Machine Learning: Principal Component Analysis (PCA): ice-cream data
	รู้จักข้อมูล MNIST ลายมือเขียนตัวเลข 0-9 (handwritten digits)
	การใช้ Logistic Regression ในการจำแนกตัวเลขลายมือเขียน (MNIST handwritten digits)
	การทำ Principal Component Analysis (PCA) ข้อมูล MNIST (handwritten digits)
	เปรียบเทียบผลการ classify MNIST ด้วยจำนวน components/dimensions จาก PCA ที่ต่างกัน
	สอน Machine Learning: การ dump(save)/load sklearn model ไปเป็นไฟล์ด้วย (Model persistence)
	สอน Machine Learning: การ binarize data เพื่อแปลงค่าในคอลัมน์ให้เป็น 0 กับ 1
	สอน Machine Learning: การแปลงค่าในคอลัมน์ให้เป็น z-score (sklearn.preprocessing.StandardScaler)
	สอน Machine Learning: การทำ power transformation (Box-Cox, Yeo-Johnson)
	สอน Machine Learning: การสร้าง dummy variable ด้วย OneHotEncoder ของ scikit-learn
	สอน Machine learning: การใช้ scikit-learn pipeline เพื่อพัฒนา machine learning model
	สอน Machine Learning: ใช้ OneHotEncoder ใน pipeline
	สร้าง dummy/one-hot columns จาก multivalued column ด้วย MultiLabelBinarizer
	การแปลงกลุ่มของ dummy/one-hot คอลัมน์ให้เป็น multivalued column ด้วย MultiLabelBinarizer
	แปลงไฟล์ข้อมูลตัวอย่างใน scikit-learn ให้เป็น pandas DataFrame
	การอ่าน R datasets มาเป็น pandas DataFrame
	สอน Jupyter Notebook: การ run notebook cell ที่มี Python Prompt (เครื่องหมายมากกว่า 3 ตัว)
	การวิเคราะห์ One-Way ANOVA วิเคราะห์ความแปรปรวนทางเดียว ด้วย Python (statsmodels)