آموزش پیش بینی بقایان تایتانیک با استفاده از رگرسیون لجستیک
1h 43m
14
Udemy
10 تیر 1400
3,673
از 5
دارد (اگر در سایت مرجع باشد، قرارداده می شود.)
معمولا دارد
معمولا دارد (در صورت درخواست)
Ganesh D

https://donyad.com/d/0de5

آموزش پیش بینی بقایان تایتانیک با استفاده از رگرسیون لجستیک

Predicting Titanic Survivals using Logistic Regression

سرفصل ها و درس ها | نظرات

توضیحات دوره: بیاموزید که چگونه داده ها را با استفاده از کتابخانه های واردات ، طبقه بندی درخت تصمیم و رگرسیون لجستیک تجزیه و تحلیل و تجسم کنید

آنچه خواهید آموخت

  • شما در مورد مدل سازی پیش بینی در پایتون ، رگرسیون خطی ، رگرسیون لجستیک دانش خوبی خواهید داشت
  • درباره کتابخانه های واردات ، طبقه بندی درخت تصمیم ، رگرسیون لجستیک ، بارگیری کتابخانه ها ، طرح میله ای اطلاعات کسب کنید.

در اینجا با کتابخانه های واردات ، طبقه بندی درخت تصمیم ، رگرسیون لجستیک ، کتابخانه بار ، طرح نوار ، مدل سازی ، مجموعه آموزش و غیره آشنا خواهید شد. دوره ما این اطمینان را می دهد که شما می توانید با یک ذهنیت پیش بینی فکر کنید و اصول را بخوبی درک کنید. از تکنیک های مورد استفاده در پیش بینی تفکر انتقادی برای اعتبارسنجی مدل ها و تفسیر نتایج بسیار مهم است. از این رو ، مطالب دوره ما بر سخت افزار این نوع توانایی تفکر تأکید دارند.

شما دانش خوبی در مورد مدل سازی پیش بینی در پایتون ، رگرسیون خطی ، رگرسیون لجستیک ، مدل برازش با کتابخانه یادگیری کیت ، مدل برازش با کتابخانه مدل stat ، منحنی ROC ، رویکرد حذف عقب ، بسته مدل آماری ، و غیره مدل سازی پیش بینی و رگرسیون لجستیک استفاده از داده ها و آمار برای پیش بینی نتیجه مدل های داده است. این پیش بینی تقریباً در همه زمینه ها ، از ورزش ، گرفته تا رتبه بندی تلویزیونی ، درآمد شرکت ها و پیشرفت های تکنولوژیکی کاربرد دارد. به مدل سازی پیش بینی تحلیلی پیش بینی نیز گفته می شود. با کمک تجزیه و تحلیل پیش بینی ، ما می توانیم داده ها را به اقدامات موثر در مورد شرایط فعلی و رویدادهای آینده متصل کنیم. همچنین ، ما می توانیم تجارت را قادر سازیم تا از الگوهایی استفاده کند که در داده های تاریخی یافت می شود و خطرات و فرصت های احتمالی را قبل از وقوع شناسایی کند. پایتون برای مدل سازی پیش بینی استفاده می شود زیرا چارچوب های مبتنی بر پایتون سریعتر به ما نتایج می دهند و همچنین به برنامه ریزی مراحل بعدی بر اساس نتایج کمک می کنند.

این دوره برای چه کسانی است:

  • تحلیلگر داده ، دانشمند داده ، تحلیلگر تجارت ، تحلیلگر تحقیقات بازار ، مهندس کیفیت ، معمار راه حل ، تحلیلگر برنامه نویس ، تحلیلگر آماری ، آمار شناس
  • دانشجویانی که دوره آماری را می گذرانند و یا فارغ التحصیلان علوم کامپیوتر ، فرصت بسیار خوبی برای هدایت حرفه شما در این مسیر است. از آنجا که این مهارت تقاضای زیادی است ، هر متخصص IT به دنبال سوئیچ خوب و ورود به حوزه تجزیه و تحلیل پیش بینی است.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه به دوره Intro to Course

شروع شدن Getting Started

  • چرخه زندگی Life Cycle

  • وارد کردن کتابخانه ها Import Libraries

  • الگوریتم ها Algorithms

  • طبقه بندی درخت تصمیم Decision Tree Classifier

  • رگرسیون Logitec Logitec Regression

  • EDA EDA

کتابخانه های بارگیری Load Libraries

  • کتابخانه ها را بارگیری کنید Load Libraries

  • بارگیری کتابخانه ها ادامه دارد Load Libraries Continue

  • طرح نوار Bar Plot

  • نام ستون Name Column

  • مدل سازی Modelling

  • مجموعه آموزش Training Set

  • وارد کردن اعتبار سنجی Import Cross Validition

نمایش نظرات

نظری ارسال نشده است.

Ganesh D

کارآفرین و مربی من یک کارآفرین و مربی هستم. من از طریق دوره های خود و فیلم های آنلاین به هزاران دانش آموز در چندین موضوع در زمینه های مختلف آموزش داده ام. من 11 سال سابقه مربیگری دارم. من دوست دارم دانش خود را با دانش آموزان در میان بگذارم. در طول سال ها من ایده های تجاری مختلفی از اصول اولیه تا الگوی پیچیده تر را اجرا کرده ام و دانش بزرگی کسب کرده ام که دوست دارم آنها را به اشتراک بگذارم. من چندین ماه را برای آماده سازی دوره هایم صرف می کنم. قدرت من به عنوان یک معلم از توانایی من در تجزیه و تحلیل موضوعات پیچیده به مفاهیم ساده تر ناشی می شود. و توجه من به جزئیات به من کمک می کند تا این مفاهیم را به گونه ای توضیح دهم که برای دانشجویان بسیار قابل دسترسی باشد. من به طور مداوم در حال تحقیق ، مطالعه و آموزش هستم تا مهارت های خود را ارتقا دهم. امیدوارم از دوره های من لذت ببرید