وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels

سرفصل های دوره

در این دوره آموزشی قدم به قدم بر استفاده از Scikit-learn and StatsModels آشنا شده و قدم به قدم یاد می گیرید که چطور از آن ها در یادگیری ماشینی استفاده کنید.

عنوان اصلی : Machine Learning 101 with Scikit-learn and StatsModels

سرفصل ها :


معرفی :

راه اندازی محیط کار:
چرا پایتون و چرا ژوپیتر؟
نصب آناکوندا
داشبورد Jupyter - قسمت 1
داشبورد Jupyter - قسمت 2
نصب اسکلرن

رگرسیون خطی با StatsModels:
مدل رگرسیون خطی
همبستگی در مقابل رگرسیون
نمایش هندسی
نصب بسته های پایتون
رگرسیون خطی ساده در پایتون
Seaborn چیست؟
جدول رگرسیون خلاصه StatsModels به ما چه می گوید؟
SST، SSR و SSE
حداقل مربعات معمولی (OLS)
Good of Fit: The R-Squared
مدل رگرسیون خطی چندگانه
R-Squared تنظیم شده است
F-Statistic و F-Test برای یک رگرسیون خطی
مفروضات چارچوب OLS
A1: خطی بودن
A2: بدون درون زایی
A3: نرمال بودن و همسانی
A4: بدون خود همبستگی
A5: بدون چند خطی
برخورد با داده های طبقه بندی شده
پیشگویی

رگرسیون خطی با Sklearn:
برنامه بازی برای sklearn
رگرسیون خطی ساده با sklearn
رگرسیون خطی ساده با sklearn - جدول خلاصه
رگرسیون خطی چندگانه با sklearn
R-Squared تنظیم شده است
انتخاب ویژگی از طریق مقادیر p (رگرسیون F)
ایجاد یک جدول خلاصه با مقادیر p
مقیاس بندی ویژگی ها
انتخاب ویژگی از طریق استانداردسازی
پیش بینی با ضرایب استاندارد شده
کم تناسب و بیش از حد
آموزش و تست

رگرسیون خطی - مثال عملی:
مثال عملی (قسمت 2)
مثال عملی (قسمت 3)
مثال عملی (قسمت 4)
مثال عملی (قسمت 5)

رگرسیون لجستیک:
یک مثال ساده از رگرسیون لجستیک در پایتون
تفاوت بین یک تابع لجستیک و یک تابع لجیت چیست؟
اولین رگرسیون لجستیک شما
نکته کدنویسی (اختیاری)
مرور جدول خلاصه رگرسیون
تفسیر نسبت شانس
آدمک ها در یک رگرسیون لجستیک
ارزیابی دقت یک مدل طبقه بندی
کم تناسب و بیش از حد
آزمایش مدل ما و ایجاد یک ماتریس سردرگمی

آنالیز خوشه ای :
نمونه هایی از خوشه بندی
طبقه بندی در مقابل خوشه بندی
مفاهیم ریاضی مورد نیاز برای ادامه
K-Means Clustering
یک مثال عملی از K-Means
داده های طبقه بندی شده در تحلیل خوشه ای
روش آرنج یا نحوه انتخاب تعداد خوشه ها
مزایا و معایب K-Means
استانداردسازی ویژگی ها هنگام خوشه بندی
تحلیل خوشه ای و تحلیل رگرسیون
مثال عملی: تقسیم بندی بازار (قسمت 1)
مثال عملی: تقسیم بندی بازار (قسمت 2)
با تحلیل خوشه ای چه کاری می توان انجام داد؟

تجزیه و تحلیل خوشه ای: موضوعات اضافی:
دندروگرام
نقشه های حرارتی

نمایش سرفصل های انگلیسی

Machine Learning 101 with Scikit-learn and StatsModels

45,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ایمیل شما:
تولید کننده:
شناسه: PA2152
حجم: 2117 مگابایت
مدت زمان: 314 دقیقه
تعداد دیسک: 1 عدد
زبان: انگلیسی ساده و روان
تاریخ انتشار: 30 مرداد 1398
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels 1
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels 2
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels 3
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels 4
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels 5
دوره یادگیری ماشینی بوسیله Scikit-learn and StatsModels 6
طراحی سایت و خدمات سئو

45,900 تومان
افزودن به سبد خرید