آموزش مدل‌سازی پیش‌بین با پایتون - آخرین آپدیت

سرفصل ها و درس ها

مقدمه و نصب Introduction and Installation

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

• نصب Installation

پیش‌پردازش داده‌ها Data Preprocessing

• پیش‌پردازش داده‌ها Data Preprocessing

• دیتافریم Dataframe

• Imputer Imputer

• ایجاد متغیرهای مجازی (Dummies) Create Dumies

• تقسیم مجموعه داده Splitting Dataset

• مقیاس‌بندی ویژگی‌ها (Features Scaling) Features Scaling

رگرسیون خطی Linear Regression

• مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

• مدل رگرسیون تخمین زده شده Estimated Regression Model

• وارد کردن کتابخانه Import the Library

• رسم نمودار Plot

• مثال Tip Tip Example

• تابع چاپ (Print Function) Print Function

پیش‌بینی حقوق Salary Prediction

• مقدمه ای بر مجموعه داده حقوق Introduction to Salary Dataset

• برازش رگرسیون خطی Fitting Linear Regression

• ادامه برازش رگرسیون خطی Fitting Linear Regression Continue

• پیش‌بینی از مدل Prediction from the Model

• ادامه پیش‌بینی از مدل Prediction from the Model Continue

پیش‌بینی سود Profit Prediction

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

• ایجاد متغیرهای مجازی (Dummies) Creating Dummies

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

• مجموعه آموزشی و پیش‌بینی‌ها Training Set and Predictions

• مدل‌های 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 پس‌رو (Backward Elimination) Making Optimal Model by Backward Elimination

• ضریب تعیین تعدیل شده (Adjusted R Square) Adjusted R Square

• پیاده‌سازی نهایی مدل بهینه Final Optimal Model Implementation

مسکن بوستون Boston Housing

• مقدمه ای بر Jupyter Notebook Introduction to Jupyter Notebook

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

• کار با نمودارهای همبستگی Working with Correlation Plots

• ادامه کار با نمودارهای همبستگی Working with Correlation Plots Continue

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

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

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

• دستیابی به مدل بهینه با رویکرد حذف پس‌رو Getting Optimal model with Backward Elimination Approach

• محاسبه RMSE و نظریه هم‌خطی چندگانه (Multicollinearity) RMSE Calculation and Multicollinearity Theory

• محاسبه VIF VIF Calculation

• نمودارهای VIF و همبستگی VIF and Correlation Plots

رگرسیون لجستیک Logistic Regression

• مقدمه ای بر رگرسیون لجستیک Introduction to Logistic Regression

• درک بیان مسئله و تقسیم داده Understanding Problem Statement and Splitting

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

• پیش‌بینی و مقدمه ای بر ماتریس درهم‌ریختگی (Confusion Matrix) Prediction and Introduction to Confusion Matrix

• توضیح ماتریس درهم‌ریختگی Confusion Matrix Explanation

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

• درک نمودارها Plots Understanding

• ادامه درک نمودارها Plots Understanding Continue

دیابت Diabetes

• مقدمه و پیش‌پردازش داده‌ها Introduction and data Preprocessing

• برازش مدل با کتابخانه Sklearn Fitting Model with Sklearn Library

• برازش مدل با کتابخانه Statmodel Fitting Model with Statmodel Library

• استفاده از پکیج Statsmodel Using Statsmodel Package

• رویکرد حذف پس‌رو Backward Elimination Approach

• ادامه رویکرد حذف پس‌رو Backward Elimination Approach Continue

• اطلاعات بیشتر در مورد رویکرد حذف پس‌رو More on Backward Elimination Approach

• مدل نهایی Final Model

• منحنی‌های ROC ROC Curves

• تغییر آستانه (Threshold) Threshold Changing

• پیش‌بینی‌های نهایی Final Predictions

ریسک اعتباری Credit Risk

• مقدمه ای بر ریسک اعتباری Intro to Credit Risk

• رمزگذاری برچسب (Label Encoding) Label Encoding

• متغیر جنسیت Gender Variable

• متغیرهای وابسته (Dependents) و تحصیلات Dependents and Education Variable

• درمان مقادیر گمشده در متغیر خوداشتغال (Self Employed) Missing Values Treatment in Self Employed Variable

• درمان داده‌های پرت (Outliers) در متغیر درآمد متقاضی (Applicant Income) Outliers Treatment in Applicant Income Variable

• مقادیر گمشده Missing Values

• متغیر منطقه ملکی (Property Area) Property Area Variable

• تقسیم داده‌ها Splitting Data

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