آموزش تحلیل پیش بینی و مدل سازی با پایتون

سرفصل ها و درس ها

معرفی و نصب Introduction and Installation

• مقدمه ای بر مدل سازی پیش بینی با پایتون Introduction to Predictive Modelling with Python

• نصب و راه اندازی Installation

پیش پردازش داده ها Data Pre Processing

• پیش پردازش داده ها Data Pre Proccessing

• چارچوب داده Dataframe

• وارد کننده Imputer

• ساختن Dumies Create Dumies

• تقسیم مجموعه داده Splitting Dataset

• ویژگی های مقیاس بندی Features Scaling

رگرسیون خطی Linear Regression

• مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

• مدل رگرسیون تخمینی Estimated Regression Model

• کتابخانه را وارد کنید Import the Library

• طرح Plot

• نمونه نکته Tip Example

• عملکرد چاپ Print Function

پیش بینی حقوق و دستمزد Salary Prediction

• مقدمه ای بر مجموعه داده های حقوق و دستمزد Introduction to Salary Dataset

• برازش رگرسیون خطی Fitting Linear Regression

• برازش رگرسیون خطی ادامه دهید Fitting Linear Regression Continue

• پیش بینی از مدل Prediction from the Model

• پیش بینی از مدل ادامه Prediction from the Model Continue

پیش بینی سود Profit Prediction

• مقدمه ای بر رگرسیون خطی چندگانه Introduction to Multiple Linear Regression

• ایجاد Dummies Creating Dummies

• حذف یک مجموعه داده ساختگی و تقسیم Removing one Dummy and Splitting Dataset

• مجموعه آموزشی و پیش بینی ها Training Set and Predictions

• مدل های آماری برای ساخت مدل بهینه Stats Models to Make Optimal Model

• مراحل ساخت مدل بهینه Steps to Make Optimal Model

• ساخت مدل بهینه با حذف معکوس Making Optimal Model by Backward Elimination

• مربع R تنظیم شده Adjusted R Square

• اجرای مدل بهینه نهایی Final Optimal Model Implementation

مسکن بوستون Boston Housing

• مقدمه ای بر نوت بوک Jupyter Introduction to Jupyter Notebook

• درک مجموعه داده و بیان مشکل Understanding Dataset and Problem Statement

• کار با نمودارهای همبستگی Working with Correlation Plots

• کار با نمودارهای همبستگی ادامه دارد Working with Correlation Plots Continue

• نمودار همبستگی و تقسیم مجموعه داده Correlation Plot and Splitting Dataset

• مدل MLR با Sklearn و Predictions MLR Model with Sklearn and Predictions

• مدل MLR با Statsmodels و Predictions MLR model with Statsmodels and Predictions

• بدست آوردن مدل بهینه با رویکرد حذف عقبگرد Getting Optimal model with Backward Elimination Approach

• محاسبه RMSE و نظریه چند خطی RMSE Calculation and Multicollinearity Theory

• محاسبه VIF VIF Calculation

• VIF و نمودارهای همبستگی VIF and Correlation Plots

رگرسیون لجستیک Logistic Regression

• مقدمه ای بر رگرسیون لجستیک Introduction to Logistic Regression

• درک بیان مسئله و تقسیم Understanding Problem Statement and Splitting

• مقیاس و برازش مدل رگرسیون لجستیک Scaling and Fitting Logistic Regression Model

• پیش بینی و مقدمه ای بر ماتریس سردرگمی Prediction and Introduction to Confusion Matrix

• توضیح ماتریس سردرگمی Confusion Matrix Explanation

• بررسی عملکرد مدل با استفاده از ماتریس سردرگمی Checking Model Performance using Confusion Matrix

• توطئه ها درک Plots Understanding

• درک توطئه ها ادامه دارد Plots Understanding Continue

دیابت Diabetes

• مقدمه و پیش پردازش داده ها Introduction and data Preprocessing

• برازش مدل با کتابخانه Sklearn Fitting Model with Sklearn Library

• برازش مدل با کتابخانه Statmodel Fitting Model with Statmodel Library

• با استفاده از بسته Statsmodel Using Statsmodel Package

• رویکرد حذف عقب مانده Backward Elimination Approach

• رویکرد حذف عقب مانده ادامه دهید Backward Elimination Approach Continue

• بیشتر در مورد رویکرد حذف عقب مانده More on Backward Elimination Approach

• مدل نهایی Final Model

• منحنی های ROC ROC Curves

• تغییر آستانه Threshold Changing

• پیش بینی های نهایی Final Predictions

ریسک اعتباری Credit Risk

• مقدمه ای بر ریسک اعتباری Intro to Credit Risk

• رمزگذاری برچسب Label Encoding

• متغیر جنسیت Gender Variable

• متغیرهای وابسته و آموزشی Dependents and Educationvariable

• درمان ارزش های گمشده در متغیر خوداشتغالی Missing Values Treatment in Self Employed Variable

• درمان پرت در متغیر درآمد متقاضی Outliers Treatment in ApplicantIncome Variable

• ارزش از دست رفته Missing Values

• متغیر مساحت ملک Property Area Variable

• تقسیم داده ها Splitting Data

• مدل نهایی و مساحت زیر منحنی ROC Final Model and Area under ROC Curve