در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی مباحث زیر را در یادگیری ماشینی و هوش مصنوعی یاد گرفته و پیاده سازی عملی آن ها را تمرین خواهید کرد.
Logistic Regression, LDA and KNN in R for Predictive Modeling
عنوان اصلی : Logistic Regression, LDA and KNN in R for Predictive Modeling
معرفی :
به دوره خوش آمدید!
مقدمه ای بر یادگیری ماشینی:
مقدمه ای بر یادگیری ماشین
ساخت یک مدل یادگیری ماشینی
مبانی آمار:
انواع داده ها
انواع آمار
توصیف داده ها به صورت گرافیکی
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
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
تبدیل متغیر در R
ایجاد متغیر ساختگی: مدیریت داده های کیفی
ایجاد متغیر ساختگی در R
مدل های طبقه بندی:
سه طبقه بندی کننده و بیان مسئله
چرا نمی توانیم از رگرسیون خطی استفاده کنیم؟
رگرسیون لجستیک
آموزش یک مدل لجستیک ساده در R
نتایج رگرسیون لجستیک ساده
لجستیک با پیش بینی های متعدد
آموزش مدل لجستیک پیش بینی کننده چندگانه در R
ماتریس سردرگمی
ارزیابی عملکرد مدل
پیش بینی احتمالات، اختصاص کلاس ها و ساختن ماتریس سردرگمی
تحلیل تشخیصی خطی
تجزیه و تحلیل تشخیص خطی در R
تست-قطار تقسیم
تست قطار در R
طبقه بندی کننده K-Nearest Neighbors
K-نزدیکترین همسایه ها در R
درک نتایج مدل های طبقه بندی
خلاصه ای از سه مدل
Logistic Regression, LDA and KNN in R for Predictive Modeling
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.