آمار پایه و رگرسیون برای یادگیری ماشینی در پایتون

این دوره برای علاقه مندان به ML است که می خواهند آمار و رگرسیون اولیه را برای یادگیری ماشین درک کنند. این دوره با ایجاد محیط زیست شروع می شود و اصول اولیه زبان پایتون و کتابخانه های مختلف را درک می کند. بعد، اصول یادگیری ماشین و انواع مختلف داده ها را مشاهده خواهید کرد. پس از آن، یک تکنیک آمار به نام تحلیل گرایش مرکزی یاد خواهید گرفت.
ارسال این، شما بر روی تکنیک های آماری مانند واریانس و انحراف استاندارد تمرکز خواهید کرد. چندین تکنیک و مفاهیم ریاضی مانند درصد، توزیع نرمال، توزیع یکنواخت، پیدا کردن Z-score، رگرسیون خطی، رگرسیون خطی چندجمله ای و رگرسیون چندگانه با کمک محاسبات دستی و توابع پایتون به عنوان پیشرفت دوره معرفی می شوند.
مجموعه داده ها پیچیده تر می شوند، زیرا شما به جلو ادامه می دهید؛ برای ذخیره مجموعه داده ها از یک فایل CSV استفاده می کنید. شما روش سنتی و پیچیده ای برای پیدا کردن ضریب رگرسیون را مشاهده خواهید کرد و سپس راه هایی را برای حل آن به راحتی با برخی از توابع پایتون بررسی کنید.
در نهایت، یک تکنیک به نام Normalization یا استاندارد سازی داده ها را یاد می گیرید، که بهبود خواهد یافت عملکرد الگوریتم ها بسیار نسبت به یک مجموعه داده غیر مقیاس پذیر.
در پایان این دوره، شما پایه جامد را در یادگیری ماشین و رگرسیون آماری با استفاده از پایتون به دست خواهید آورد.
تمام فایل های کد و فایل های مرتبط در مخزن Github در https://github.com/packtpublishing/basic-statistics-and-Regression-For-machine-learning-in-python
در دسترس هستند

عنوان اصلی : Basic Statistics and Regression for Machine Learning in Python

سرفصل های دوره :

معرفی دوره :
معرفی دوره و فهرست مطالب
تنظیم محیط - آماده سازی رایانه:
تنظیم محیط - قسمت 1
تنظیم محیط - قسمت 2
اجزای ضروری موجود در آناکوندا:
اجزای ضروری موجود در آناکوندا
اصول پایتون - تکلیف:
اصول پایتون - تکلیف
اصول پایتون - کنترل جریان:
اصول پایتون - کنترل جریان - قسمت 1
اصول پایتون - کنترل جریان - قسمت 2
مبانی پایتون - لیست و تاپل ها:
مبانی پایتون - لیست و تاپل ها
مبانی پایتون - فرهنگ لغت و توابع:
مبانی پایتون - دیکشنری و توابع - قسمت 1
اصول پایتون - فرهنگ لغت و توابع - قسمت 2
اصول NumPy:
اصول NumPy - قسمت 1
اصول NumPy - قسمت 2
مبانی Matplotlib:
مبانی Matplotlib - قسمت 1
مبانی Matplotlib - قسمت 2
مبانی داده برای یادگیری ماشین:
مبانی داده برای یادگیری ماشین
گرایش داده مرکزی - میانگین:
گرایش داده های مرکزی - میانگین
گرایش داده مرکزی - میانه و حالت:
گرایش داده مرکزی - میانه و حالت - قسمت 1
گرایش داده مرکزی - میانه و حالت - قسمت 2
محاسبه کتابچه راهنمای واریانس و انحراف معیار:
محاسبه کتابچه راهنمای واریانس و انحراف معیار - قسمت 1
محاسبه کتابچه راهنمای واریانس و انحراف معیار - قسمت 2
واریانس و انحراف استاندارد با استفاده از پایتون:
واریانس و انحراف استاندارد با استفاده از پایتون
محاسبه دستی درصد:
محاسبه دستی درصد
درصد با استفاده از پایتون:
درصد با استفاده از پایتون
توزیع یکنواخت:
توزیع یکنواخت
توزیع عادی:
توزیع عادی - قسمت 1
توزیع عادی - قسمت 2
محاسبه دستی Z-Score :
محاسبه دستی امتیاز Z
محاسبه Z-Score با استفاده از پایتون:
محاسبه امتیاز Z با استفاده از پایتون
نمودار پراکندگی مجموعه داده چند متغیره:
نقشه پراکندگی مجموعه داده های چند متغیره
مقدمه ای بر رگرسیون خطی:
مقدمه ای بر رگرسیون خطی
یافتن دستی ضریب همبستگی رگرسیون خطی:
یافتن دستی ضریب همبستگی رگرسیون خطی - قسمت 1
یافتن دستی ضریب همبستگی رگرسیون خطی - قسمت 2
یافتن دستی معادله شیب رگرسیون خطی:
یافتن دستی معادله شیب رگرسیون خطی - قسمت 1
یافتن دستی معادله شیب رگرسیون خطی - قسمت 2
پیش‌بینی دستی ارزش آینده با استفاده از معادله:
پیش بینی دستی ارزش آینده با استفاده از معادله
رگرسیون خطی با استفاده از پایتون مقدمه:
رگرسیون خطی با استفاده از مقدمه پایتون
رگرسیون خطی با استفاده از پایتون:
رگرسیون خطی با استفاده از پایتون - قسمت 1
رگرسیون خطی با استفاده از پایتون - قسمت 2
رگرسیون خطی قوی و ضعیف:
رگرسیون خطی قوی و ضعیف
پیش‌بینی ارزش آینده با استفاده از رگرسیون خطی در پایتون:
پیش بینی ارزش آینده با استفاده از رگرسیون خطی در پایتون
مقدمه رگرسیون چند جمله ای:
مقدمه رگرسیون چند جمله ای
تجسم رگرسیون چند جمله ای:
تجسم رگرسیون چند جمله ای
پیش‌بینی رگرسیون چند جمله‌ای و مقدار R2:
پیش بینی رگرسیون چند جمله ای و مقدار R2
یافتن رگرسیون چند جمله‌ای مؤلفه‌های SD:
مولفه های SD یافتن رگرسیون چند جمله ای
معادلات روش دستی رگرسیون چند جمله ای:
معادلات روش دستی رگرسیون چند جمله ای
یافتن اجزای SD برای abc:
یافتن اجزای SD برای abc
یافتن abc:
یافتن abc
معادله رگرسیون چند جمله‌ای و پیش‌بینی:
معادله رگرسیون چند جمله ای و پیش بینی
ضریب رگرسیون چند جمله ای :
ضریب رگرسیون چند جمله ای
مقدمه رگرسیون چندگانه:
مقدمه رگرسیون چندگانه
رگرسیون چندگانه با استفاده از پایتون - وارد کردن داده به عنوان CSV:
رگرسیون چندگانه با استفاده از پایتون - وارد کردن داده به عنوان CSV
رگرسیون چندگانه با استفاده از پایتون - تجسم داده ها:
رگرسیون چندگانه با استفاده از پایتون - تجسم داده ها
ایجاد شی رگرسیون چندگانه و پیش‌بینی با استفاده از پایتون:
ایجاد شی رگرسیون چندگانه و پیش بینی با استفاده از پایتون
رگرسیون چندگانه دستی - مقدمه و Finding به معنی:
رگرسیون چندگانه دستی - مقدمه و یافتن ابزار
رگرسیون چندگانه دستی - یافتن مؤلفه ها:
رگرسیون چندگانه دستی - یافتن مولفه ها - قسمت 1
رگرسیون چندگانه دستی - یافتن مولفه ها - قسمت 2
رگرسیون چندگانه دستی - یافتن abc:
رگرسیون چندگانه دستی - یافتن abc
پیش‌بینی و ضرایب معادله رگرسیون چندگانه دستی:
پیش بینی و ضرایب معادله رگرسیون چندگانه دستی
معرفی مقیاس‌بندی ویژگی:
معرفی مقیاس بندی ویژگی ها
مقیاس‌سازی استاندارد با استفاده از پایتون:
مقیاس‌سازی استانداردسازی با استفاده از پایتون - قسمت 1
مقیاس‌سازی استاندارد با استفاده از پایتون - قسمت 2
مقیاس‌سازی استاندارد با استفاده از محاسبه دستی:
مقیاس‌سازی استاندارد با استفاده از محاسبه دستی - قسمت 1
مقیاس‌سازی استاندارد با استفاده از محاسبه دستی - قسمت 2