آموزش رگرسیون لجستیک در پایتون - پیش‌بینی پیش‌فرض اعتبار

Logistic Regression in Python - Credit Default Prediction

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: مولفه های کلیدی رگرسیون لجستیک را بیاموزید و یک مدل رگرسیون لجستیک با استفاده از پایتون ایجاد کنید. بدانید که چگونه خروجی تحلیل رگرسیون لجستیک تولید شده توسط پایتون را تفسیر کنید. مزایای پیش نیازها:پایتون مبانی آمار

انواع مختلفی از الگوریتم های آماری، داده کاوی و یادگیری ماشینی در مدل سازی پیش بینی کننده وجود دارد. هر الگوریتم برای پاسخگویی به نیازهای خاص کسب و کار استفاده می شود. بنابراین انتخاب الگوریتم مناسب برای کسب و کارتان کار بزرگی است. الگوریتم رگرسیون یکی از آنهاست. الگوریتم رگرسیون برای پیش بینی داده های پیوسته مانند امتیازدهی اعتبار یا پیش بینی نتیجه بعدی یک رویداد مبتنی بر زمان استفاده می شود. به عنوان مثال، الگوریتم رگرسیون را می توان برای پیش بینی روند حرکت سهام با قیمت های گذشته آن استفاده کرد.

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.

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.

رگرسیون لجستیک به عنوان رگرسیون لاجیت یا مدل لاجیت نیز شناخته می شود. این برای یافتن احتمال موفقیت رویداد و شکست رویداد استفاده می شود. رگرسیون لجستیک رابطه بین متغیر وابسته طبقه‌ای و یک یا چند متغیر مستقل را با استفاده از یک تابع لجستیک تعیین می‌کند.

رگرسیون لجستیک برای پیش‌بینی احتمال وقوع یک رویداد با برازش داده‌ها به منحنی لجستیک استفاده می‌شود. از طرف دیگر، حداقل مربعات معمولی یک مسئله محاسباتی مهم است که در کاربردهایی که نیاز به استفاده از یک مدل ریاضی خطی برای اندازه‌گیری‌هایی که از آزمایش‌ها به دست می‌آیند، استفاده می‌شود. OLS اشکال مختلفی مانند همبستگی، رگرسیون چندگانه، ANOVA و موارد دیگر را دارد. رگرسیون لجستیک بیشترین استفاده را در زمینه علوم پزشکی دارد در حالی که OLS بیشتر در علوم اجتماعی استفاده می شود.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی پروژه Introduction of Project

مراحل و فایل های پروژه Project Steps and Files

  • مراحل پروژه Project Steps

  • وارد کردن فایل ها Import Files

پیش پردازش داده EDA Data Preprocessing EDA

  • پیش پردازش داده EDA قسمت 1 Data Preprocessing EDA Part 1

  • پیش پردازش داده ها EDA قسمت 2 Data Preprocessing EDA Part 2

  • پیش پردازش داده ها EDA قسمت 3 Data Preprocessing EDA Part 3

  • پیش پردازش داده EDA قسمت 4 Data Preprocessing EDA Part 4

  • تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

  • تقسیم داده ها Splitting Data

  • ماتریس سردرگمی Confusion Matrix

  • ماتریس سردرگمی و ROC Confusion Matrix and ROC

تنظیم بیش از حد پارامتر Hyper Parameter Tuning

  • تنظیم بیش از حد پارامتر Hyper Parameter Tuning

  • تنظیم Hyper Parameter ادامه دهید Hyper Parameter Tuning Continue

  • بیشتر در مورد تنظیم Hyperparameter More on Hyperparameter Tuning

درخت تصمیم Decision Tree

  • نظریه درخت تصمیم و مراحل Decision Tree Theory and Steps

  • تئوری درخت تصمیم و مراحل ادامه دارد Decision Tree Theory and Steps Continue

  • نصب Graph viz و Peoples Installation of Graph viz and Peoples

  • توضیح کد درخت تصمیم Decision Tree Code Explanation

  • کد جنگل تصادفی Random Forest Code

نمایش نظرات

نظری ارسال نشده است.

آموزش رگرسیون لجستیک در پایتون - پیش‌بینی پیش‌فرض اعتبار
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2.5 hours
19
Udemy (یودمی) udemy-small
15 آبان 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
2,753
5 از 5
ندارد
دارد
دارد
EDU CBA

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA 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.