آموزش رگرسیون لجستیک با R Studio
Logistic Regression with R Studio
رگرسیون یک روش آماری است که به تعیین رابطه بین یک متغیر وابسته و سایر متغیرهای مستقل کمک می کند. توضیح می دهد که چگونه متغیر وابسته زمانی که یکی از متغیرهای مستقل تغییر می کند تغییر می کند. همچنین برای دانستن اینکه کدام متغیر مستقل با متغیر وابسته مرتبط است و چه رابطه ای با هم دارند استفاده می شود. تحلیل رگرسیون به طور گسترده ای در زمینه پیش بینی و پیش بینی استفاده می شود. تجزیه و تحلیل رگرسیون یک جزء مهم برای مدل سازی و تجزیه و تحلیل داده ها است.
رگرسیون دو نوع است - رگرسیون خطی و رگرسیون چندگانه. رگرسیون خطی از یک متغیر مستقل برای اطلاع از نتیجه استفاده می کند در حالی که رگرسیون چندگانه از دو یا چند متغیر مستقل برای پیش بینی خروجی استفاده می کند.
در سال‌های اخیر تکنیک‌های زیادی برای انجام تحلیل رگرسیون توسعه یافته‌اند. آنها رگرسیون خطی، رگرسیون لجستیک، رگرسیون چند جمله ای، رگرسیون گام به گام، رگرسیون ریج، رگرسیون کمند و رگرسیون خالص الاستیک هستند.
استفاده از تحلیل رگرسیون
تحلیل رگرسیون به یافتن رابطه معنادار بین متغیر وابسته و متغیر مستقل کمک می کند
به دانستن میزان تأثیر ناشی از چندین متغیر مستقل بر روی یک متغیر وابسته کمک می کند
به مقایسه اثرات متغیرهای اندازه‌گیری شده با مقیاس‌های مختلف کمک می‌کند. این مقایسه کمک می‌کند تا بهترین مورد استفاده برای مدل‌سازی پیش‌بینی را نشان دهیم.
تحلیل رگرسیون به دلایل زیادی در کسب‌وکارها استفاده می‌شود، مانند کشف عوامل مؤثر در سود کسب‌وکار، پیش‌بینی ارزش آتی، دانستن اینکه نرخ‌های بهره چگونه می‌توانند بر قیمت سهام تأثیر بگذارند و غیره.
تحلیل رگرسیون به عنوان یک روش تحقیق کمی مورد استفاده قرار می گیرد که زمانی مورد استفاده قرار می گیرد که تحقیق شامل مدل سازی و تجزیه و تحلیل چندین متغیر باشد.
رگرسیون لجستیک در R به عنوان مسئله طبقه بندی باینری در زمینه اندازه گیری آماری تعریف می شود. تفاوت بین یک متغیر وابسته و مستقل با راهنمای تابع لجستیک با تخمین وقوع متفاوت احتمالات، یعنی برای پیش‌بینی نتیجه متغیر مستقل (1 یا 0 یا بله/خیر) استفاده می‌شود، زیرا این یک پسوند است. یک رگرسیون خطی که برای پیش بینی متغیرهای خروجی پیوسته استفاده می شود.
رگرسیون لجستیک در R چگونه کار می کند؟
رگرسیون لجستیک تکنیکی است که در زمینه آمار استفاده می شود و تفاوت بین متغیر وابسته و مستقل را با راهنمای تابع لجستیک با تخمین وقوع مختلف احتمالات اندازه گیری می کند. آنها می توانند دو جمله ای (نتیجه بله یا خیر) یا چند جمله ای (عادلانه در مقابل ضعیف بسیار ضعیف) باشند. مقادیر احتمال بین 0 و 1 قرار دارد و متغیر باید مثبت باشد (<1).
متغیر وابسته را هدف قرار می دهد و مراحل زیر را برای دنبال کردن دارد:
n- خیر. آزمایشات ثابت روی یک مجموعه داده گرفته شده.
با دو نتیجه آزمایشی.
نتیجه احتمال باید مستقل از یکدیگر باشد.
احتمال موفقیت و شکست باید در هر آزمایش یکسان باشد.
معرفی Introduction
-
مقدمه ای بر رگرسیون لجستیک Introduction to Logistic Regression
مجموعه داده های تبلیغاتی Advertisement Dataset
-
مجموعه داده های تبلیغاتی Advertisement Dataset
-
ستون خام Raw Column
-
مقیاس بندی ویژگی ها Feature Scaling
-
برازش مدل رگرسیون لجستیک Fitting Logistic Regression Model
-
ضریب های طبقه بندی کننده Classifier Scoefficients
-
ضریب های طبقه بندی کننده ادامه دارد Classifier Scoefficients Continue
-
ایجاد ماتریس سردرگمی Make Confusion Matrix
-
مجموعه آموزشی رگرسیون لجستیک Logistic Regression Training Set
مجموعه داده های دیابت Diabetes Dataset
-
مجموعه داده های دیابت Diabetes Dataset
-
مجموعه داده دیابت - مدل لجستیک Regration Diabetes Dataset - Logistic Regration Model
-
ساخت مدل Making a Model
-
کاهش ابعاد Dimension Reduction
-
ماتریس سردرگمی Confusion Matrix
-
تعداد موارد مثبت کاذب را کاهش دهید Reduce Number of False Positives
-
طرح منحنی راک Plot Roc Curv
-
تنظیم آستانه Setting Threshold
-
ناحیه زیر منحنی Area Under Curve
ریسک اعتباری Credit Risk
-
ریسک اعتباری Credit Risk
-
وضعیت دلار وام مجموعه داده Dataset Loan Dollar Status
-
افراد وابسته Dependents
-
درآمد متقاضی Applicant Income
-
درآمد متقاضی ادامه دارد Applicant Income Continue
-
مبلغ وام Loan Amount
-
مدت مبلغ وام Loan Amount Term
-
تاریخچه اعتباری Credit History
-
تقسیم مجموعه داده Spliting Dataset
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/d5bf66
آموزش استقرار مدل یادگیری ماشین با Flask، React و NodeJS
Machine Learning Model Deployment with Flask, React & NodeJS
از ابزارهای توسعه وب Node.JS، React و Flask برای استقرار مدل های Data Science خود در برنامه های وب استفاده کنید!
آموزش مهندسی سریع برای ChatGPT: از صفر تا قهرمان
Prompt Engineering for ChatGPT: From Zero to Hero
راهنمای جامع برای ایجاد اعلان‌های جذاب و نتیجه‌محور برای ChatGPT. بهترین روش ها برای مهندسی سریع
آموزش سفر خود را برای تبدیل شدن به بیوانفورماتیک (راهنمای A-Z) 2022 آغاز کنید
kickstart your journey to be Bioinformatician(A-Z Guide)2022
دوره آموزشی بیوانفورماتیک برای دانشجویان مبتدی و حرفه ای دانشگاهی برای مطالعه حرفه خود به روز شده و به نقطه نقطه
آموزش درک مسائل اخلاقی ، حقوقی و امنیتی در علوم داده
Understanding Ethical, Legal, and Security Issues in Data Science
داده ها را روغن جدید می نامند ، زیرا شما می توانید مقدار زیادی از آن تولید کنید. با این حال ، اگر از امنیت مطلوبی برخوردار نباشد ، از نظر اخلاقی مطابقت نداشته باشد و به سرعت از دارایی به بدهی منتقل شود. در این دوره ، شما یاد خواهید گرفت که چگونه داده ها را در Azure مدیریت کنید.
EDU CBA
مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.
Udemy (یودمی)
یودمی یکی از بزرگترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.