آموزش مبانی یادگیری ماشین و هوش مصنوعی: رگرسیون خطی

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدی Welcome

• آنچه باید بدانید What you should know

• با استفاده از پرونده های تمرینی Using the exercise files

1. رگرسیون ساده خطی 1. Simple Linear Regression

• ساختن توطئه های پراکندگی مؤثر در نمودار ساز Building effective scatter plots in Chart Builder

• اضافه کردن برچسب ها و سنبله ها به یک نقشه پراکندگی Adding labels and spikes to a scatter plot

• یک نقشه پراکندگی سه بعدی ایجاد کنید Create a 3D scatter plot

• نمودار حباب با GPL Bubble chart with GPL

• Residuals و R2 Residuals and R2

• محاسبه و تفسیر ضرایب رگرسیون Calculating and interpreting regression coefficients

2. مقدمه ای بر رگرسیون خطی چندگانه 2. Introduction to Multiple Linear Regression

• چالش ها و فرضیات رگرسیون چندگانه Challenges and assumptions of multiple regression

• بررسی فرضیات بصری Checking assumptions visually

• بررسی فرضیات با کاوش Checking assumptions with Explore

• بررسی فرضیات: دوربین-واتسون Checking assumptions: Durbin-Watson

• بررسی فرضیات: تست لونه Checking assumptions: Levine's test

• بررسی فرضیات: ماتریس همبستگی Checking assumptions: Correlation matrix

• بررسی فرضیات: طرح باقیمانده Checking assumptions: Residuals plot

• بررسی فرضیات: خلاصه Checking assumptions: Summary

3. کد ساختگی و شرایط تعامل 3. Dummy Code and Interaction Terms

• ایجاد کدهای ساختگی Creating dummy codes

• کدگذاری ساختگی با پسوند R Dummy coding with the R extension

• تعامل متغیر Detecting variable interactions

• ایجاد و آزمایش شرایط تعامل Creating and testing interaction terms

4. سه استراتژی رگرسیون 4. Three Regression Strategies

• سه استراتژی رگرسیون و زمان استفاده از آنها Three regression strategies and when to use them

• درک ارتباطات جزئی Understanding partial correlations

• درک همبستگی های بخشی Understanding part correlations

• تجسم همبستگی های جزئی و جزئی Visualizing part and partial correlations

• رگرسیون همزمان: تنظیم تجزیه و تحلیل Simultaneous regression: Setting up the analysis

• رگرسیون همزمان: تفسیر خروجی Simultaneous regression: Interpreting the output

• رگرسیون سلسله مراتبی: تنظیم تحلیل Hierarchical regression: Setting up the analysis

• رگرسیون سلسله مراتبی: تفسیر خروجی Hierarchical regression: Interpreting the output

• ایجاد یک پارتیشن تست قطار در SPSS Creating a train-test partition in SPSS

• رگرسیون گام به گام: تنظیم تجزیه و تحلیل Stepwise regression: Setting up the analysis

• رگرسیون گام به گام: تفسیر خروجی Stepwise regression: Interpreting the output

5- رفع مشکلات و اقدامات اصلاحی 5. Spotting Problems and Taking Corrective Action

• تشخیص همبستگی Collinearity diagnostics

• پرداختن به چند قطبی: تجزیه و تحلیل عاملی / PCA Dealing with multicollinearity: Factor analysis/PCA

• برخورد با چند رنگی: دستی IV را به صورت دستی ترکیب کنید Dealing with multicollinearity: Manually combine IVs

• تشخیص نقاط دوردست و نقاط تأثیرگذار Diagnosing outliers and influential points

• برخورد با افراد مسکونی: بقایای حذف شده دانشجویی Dealing with outliers: Studentized deleted residuals

• رسیدگی به مجرای خارج از منزل: آیا مواردی باید برداشته شوند؟ Dealing with outliers: Should cases be removed?

• تشخیص انحنا Detecting curvilinearity

6. رویکردهای دیگر به رگرسیون 6. Other Approaches to Regression

• گزینه های رگرسیون Regression options

• مدل سازی خودکار خطی Automatic linear modeling

• درختان رگرسیون Regression trees

• پیش بینی سری زمانی Time series forecasting

• رگرسیون طبقه ای با مقیاس بندی مطلوب Categorical regression with optimal scaling

• مقایسه رگرسیون با شبکه های عصبی Comparing regression to Neural Nets

• رگرسیون لجستیک Logistic regression

• SEM SEM

نتیجه Conclusion

• بعدش What's next