دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.

آموزش پیش بینی قیمت خانه بوسیله Python

دانلود Udemy House Price Prediction using Linear Regression and Python

10,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
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.

ویدئو معرفی این محصول

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با پیش بینی قیمت خانه ها در زبان پایتون یاد می گیرید.

عنوان اصلی : House Price Prediction using Linear Regression and Python

این مجموعه آموزش ویدیویی محصول موسسه آموزشی Udemy است که بر روی 1 حلقه دیسک ارائه شده و به مدت زمان 2 ساعت و 48 دقیقه در اختیار علاقه مندان قرار می گیرد.

در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :


مقدمه:
معرفی پروژه ها
پیش پردازش داده ها:
وارد کردن بسته ها
پیش پردازش داده ها
انتقال داده ها
تقسیم متغیر هدف




توضیح داده ها
DataSet توضیح ادامه




مهندسی ویژگی
مهندسی ویژگی ادامه
دست زدن به ارزش های گم شده
دست زدن به ارزش های گم شده ادامه دارد
تجزیه و تحلیل داده های اکتشافی
تجزیه و تحلیل داده های اکتشافی ادامه دارد
همبستگی
کدگذاری -Modelling:
پیش بینی نتیجه
فاکتور تورم واریانس محاسبه
فاکتور تورم واریانس محاسبه ادامه می یابد
نتیجه گیری:
نتیجه گیری


Introduction :
Introduction of Projects

Data Preprocessing :
Import Packages
Data Preprocessing
Data Transformation
Target Variable Splitting

Dataset :
Dataset Explanation
Dataset Explanation Continue

Coding Feature Engineering :
Feature Engineering
Feature Engineering Continue
Handling Missing Values
Handling Missing Values Continue
Exploratory Data Analysis
Exploratory Data Analysis Continue
Correlation

Coding -Modelling :
Predicting Result
Calculating Variance Inflation Factor
Calculating Variance Inflation Factor Continue

Conclusion :
Conclusion