آموزش رگرسیون لجستیک در پایتون

سرفصل ها و درس ها

مقدمه Introduction

• به دوره خوش آمدید! Welcome to the course!

• منابع دوره Course Resources

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• این یک نقطه عطف است! This is a milestone!

• ساخت یک مدل یادگیری ماشینی Building a Machine Learning model

مبانی آمار Basics of Statistics

• انواع داده ها Types of Data

• انواع آمار Types of Statistics

• توصیف داده ها به صورت گرافیکی Describing data Graphically

• اقدامات مراکز Measures of Centers

• تمرین ۱ Practice Exercise 1

• اقدامات پراکندگی Measures of Dispersion

• تمرین ۲ Practice Exercise 2

راه اندازی Python و Jupyter Notebook Setting up Python and Jupyter Notebook

• نصب پایتون و آناکوندا Installing Python and Anaconda

• باز کردن نوت بوک Jupyter Opening Jupyter Notebook

• آشنایی با ژوپیتر Introduction to Jupyter

• عملگرهای حسابی در پایتون: مبانی پایتون Arithmetic operators in Python: Python Basics

• رشته ها در پایتون: اصول پایتون Strings in Python: Python Basics

• لیست ها، تاپل ها و فهرست ها: اصول پایتون Lists, Tuples and Directories: Python Basics

• کار با کتابخانه Numpy پایتون Working with Numpy Library of Python

• کار با Pandas Library of Python Working with Pandas Library of Python

• کار با کتابخانه Seaborn پایتون Working with Seaborn Library of Python

پیش پردازش داده ها Data Preprocessing

• جمع آوری دانش کسب و کار Gathering Business Knowledge

• کاوش داده ها Data Exploration

• مجموعه داده و دیکشنری داده The Dataset and the Data Dictionary

• واردات داده در پایتون Data Import in Python

• تمرین پروژه 1 Project Exercise 1

• تجزیه و تحلیل تک متغیره و EDD Univariate analysis and EDD

• EDD در پایتون EDD in Python

• تمرین پروژه 2 Project Exercise 2

• درمان پرت Outlier Treatment

• درمان پرت در پایتون Outlier treatment in Python

• تمرین پروژه 3 Project Exercise 3

• مقدار گمشده Missing Value Imputation

• مقدار از دست رفته در پایتون Missing Value Imputation in Python

• تمرین پروژه 4 Project Exercise 4

• فصلی بودن در داده ها Seasonality in Data

• تبدیل متغیر Variable Transformation

• تبدیل و حذف متغیر در پایتون Variable transformation and Deletion in Python

• تمرین پروژه 5 Project Exercise 5

• ایجاد متغیر ساختگی: مدیریت داده های کیفی Dummy variable creation: Handling qualitative data

• ایجاد متغیر ساختگی در پایتون Dummy variable creation in Python

• تمرین پروژه 6 Project Exercise 6

• امتحان Quiz

مدل های طبقه بندی Classification Models

• سه طبقه بندی کننده و بیان مسئله Three Classifiers and the problem statement

• چرا نمی توانیم از رگرسیون خطی استفاده کنیم؟ Why can't we use Linear Regression?

• رگرسیون لجستیک Logistic Regression

• آموزش یک مدل لجستیک ساده در پایتون Training a Simple Logistic Model in Python

• پروژه تمرین 7 Project Exercise 7

• نتیجه رگرسیون لجستیک ساده Result of Simple Logistic Regression

• امتحان Quiz

• لجستیک با پیش بینی های متعدد Logistic with multiple predictors

• آموزش مدل لجستیک پیش بینی کننده چندگانه در پایتون Training multiple predictor Logistic model in Python

• پروژه تمرین 8 Project Exercise 8

• ماتریس سردرگمی Confusion Matrix

• ایجاد ماتریس سردرگمی در پایتون Creating Confusion Matrix in Python

• ارزیابی عملکرد مدل Evaluating performance of model

• ارزیابی عملکرد مدل در پایتون Evaluating model performance in Python

• تمرین پروژه 9 Project Exercise 9

• امتحان Quiz

تجزیه و تحلیل تشخیص خطی (LDA) Linear Discriminant Analysis (LDA)

• تحلیل تشخیصی خطی Linear Discriminant Analysis

• LDA در پایتون LDA in Python

• تمرین پروژه 10 Project Exercise 10

تست-قطار تقسیم Test-Train Split

• تست-قطار تقسیم Test-Train Split

• اطلاعات بیشتر در مورد تقسیم قطار آزمایشی More about test-train split

• Test-Train Split در پایتون Test-Train Split in Python

• تمرین پروژه 11 Project Exercise 11

• امتحان Quiz

• امتحان Quiz

طبقه بندی کننده K-Nearest Neighbors K-Nearest Neighbors classifier

• طبقه بندی کننده K-Nearest Neighbors K-Nearest Neighbors classifier

• K-نزدیکترین همسایگان در پایتون: قسمت 1 K-Nearest Neighbors in Python: Part 1

• K-نزدیکترین همسایگان در پایتون: قسمت 2 K-Nearest Neighbors in Python: Part 2

• تمرین پروژه 12 Project Exercise 12

درک نتایج Understanding the Results

• درک نتایج مدل های طبقه بندی Understanding the results of classification models

• خلاصه ای از سه مدل Summary of the three models

• تمرین نهایی! The Final Exercise!