ML برای مدیران کسب و کار: مدل رگرسیون در استودیو

رگرسیون ساده و رگرسیون چندگانه | باید بدانید برای یادگیری ماشین و اقتصاد سنجی | رگرسیون خطی در استودیو R

عنوان اصلی : ML for Business Managers: Build Regression model in R Studio

سرفصل های دوره :

مقدمه:
منابع دوره ای
این یک نقطه عطف است!
مبانی آمار:
توصیف داده های گرافیکی
اندازه گیری مراکز
تمرین تمرین 1
اندازه گیری پراکندگی
تمرین تمرین 2
شروع به کار با R و R استودیو:
اصول اولیه R و R استودیو
بسته های در R
اطلاعات ورودی بخش 1: مجموعه داده های داخلی R
اطلاعات ورودی بخش 2: ورود اطلاعات دستی
اطلاعات ورودی بخش 3: وارد کردن از CSV یا فایل های متنی
ایجاد barplots در R
ایجاد هیستوگرام در R
مقدمه ای بر یادگیری ماشین:
معرفی به یادگیری ماشین
ساخت یک مدل یادگیری ماشین
مقدمه ای بر مسابقه یادگیری ماشین
پیش پردازش داده ها:
جمع آوری دانش کسب و کار
اکتشاف داده ها
داده ها و فرهنگ لغت داده
وارد کردن مجموعه داده به R
پروژه پروژه 1
تجزیه و تحلیل یکنواخت و EDD
EDD در R
پروژه پروژه 2
Outlier درمان
Outlier درمان در R
پروژه تمرین 3
تخفیف ارزش گمشده
ارزش گمشده در R
پروژه پروژه 4
فصلی در داده ها
تجزیه و تحلیل دو متغیر و تحول متغیر
انتقال متغیر در R
پروژه تمرین 5
متغیرهای غیر قابل استفاده
ایجاد متغیر ساختگی ساختاری: دست زدن به داده های کیفی
ایجاد متغیر ساختگی ساختگی در R
پروژه پروژه 6
ماتریس همبستگی و رابطه علت اثر
ماتریس همبستگی در R
پروژه تمرین 7
مسابقه
مدل رگرسیون خطی:
بیانیه مشکل
معادلات پایه و روش معمول حداقل مربع (OLS)
ارزیابی صحت ضرایب پیش بینی شده
ارزیابی دقت مدل - RSE و R مربع
رگرسیون خطی ساده در R
پروژه تمرین 8
رگرسیون خطی چندگانه
f - statistic
مسابقه
تفسیر نتیجه برای متغیر طبقه بندی
رگرسیون خطی چندگانه در R
مسابقه
پروژه پروژه 9
Test-Train Split
واریانس تعصب تجارت
اطلاعات بیشتر در مورد آزمون تست قطار
Test-Train Split در R
مسابقه
مدل های رگرسیون غیر از OLS:
مدل های خطی غیر از OLS
تکنیک های انتخاب زیر مجموعه
انتخاب زیر مجموعه در R
پروژه پروژه 10
روش های انقباض - رگرسیون ريج و لسو
رگرسیون رگه و لازو در R
heteroscedasticity
پروژه پروژه 11
نتیجه گیری:
پروژه نهایی پروژه
نقطه عطف نهایی!
تبریک و در مورد گواهی شما