آموزش انجام یادگیری ماشینی با Linear Regression Model in R

در این دوره آموزشی قدم به قدم یاد می گیرید که چطور پروژه های یادگیری ماشینی را در زبان R انجام دهید. مدرس دوره مباحث را به زبانی ساده و در حین کار بر روی پروژه های واقعی به شما عزیزان یاد میدهد.

عنوان اصلی : Machine Learning for Beginners: Linear Regression Model in R

سرفصل ها :

معرفی :
به دوره خوش آمدید!
مطالب دوره
مبانی آمار:
انواع داده ها
انواع آمار
توصیف گرافیکی داده ها
اقدامات مراکز
اقدامات پراکندگی
شروع کار با استودیو R و R:
نصب استودیو R و R
مبانی استودیو R و R
بسته ها در R
وارد کردن داده قسمت 1: مجموعه داده های داخلی R
وارد کردن داده ها قسمت 2: ورود دستی داده ها
وارد کردن داده ها قسمت 3: وارد کردن از فایل های CSV یا متنی
ایجاد بارپلات در R
ایجاد هیستوگرام در R
مقدمه ای بر یادگیری ماشینی:
مقدمه ای بر یادگیری ماشین
ساخت یک مدل یادگیری ماشینی
پیش پردازش داده ها:
جمع آوری دانش کسب و کار
کاوش داده ها
داده ها و دیکشنری داده ها
وارد کردن مجموعه داده به R
تجزیه و تحلیل تک متغیره و EDD
EDD در R
درمان پرت
درمان پرت در R
مقدار گمشده
مقدار گمشده در R
فصلی بودن در داده ها
تجزیه و تحلیل دو متغیره و تبدیل متغیر
تبدیل متغیر در R
متغیرهای غیر قابل استفاده
ایجاد متغیر ساختگی: مدیریت داده های کیفی
ایجاد متغیر ساختگی در R
ماتریس همبستگی و رابطه علت و معلولی
ماتریس همبستگی در R
مدل رگرسیون خطی:
بیان مشکل
معادلات پایه و روش حداقل مربعات معمولی (OLS).
ارزیابی دقت ضرایب پیش بینی شده
ارزیابی دقت مدل - RSE و R مجذور
رگرسیون خطی ساده در R
رگرسیون خطی چندگانه
F - آمار
تفسیر نتیجه برای متغیر طبقه بندی
رگرسیون خطی چندگانه در R
تقسیم تست-قطار
مبادله واریانس تعصب
تقسیم تست-قطار در R
مدل های رگرسیون غیر از OLS:
مدل های خطی غیر از OLS
تکنیک های انتخاب زیر مجموعه
انتخاب زیر مجموعه در R
روش های انقباض - رگرسیون ریج و کمند
رگرسیون ریج و کمند در R
دگرگونی