لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مدلهای رگرسیون
- آخرین آپدیت
دانلود Regression Models
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مدلهای خطی، همانطور که از نامشان پیداست، یک نتیجه را با استفاده از مفروضات خطی به مجموعهای از پیشبینیکنندههای مورد نظر مرتبط میکنند. مدلهای رگرسیون که زیرمجموعهای از مدلهای خطی هستند، مهمترین ابزار تحلیل آماری در جعبهابزار یک دانشمند داده به شمار میروند. این دوره آموزشی شامل تحلیل رگرسیون، روش کمترین مربعات و استنباط با استفاده از مدلهای رگرسیونی است. همچنین موارد خاصی از مدل رگرسیون مانند ANOVA و ANCOVA مورد بررسی قرار خواهند گرفت و تحلیل باقیماندهها و تغییرپذیری تحلیل خواهد شد. در این دوره، دیدگاههای مدرن در مورد انتخاب مدل و کاربردهای نوین مدلهای رگرسیون، از جمله هموارسازی نمودارهای پراکندگی (Scatterplot Smoothing)، آموزش داده میشود.
سرفصل ها و درس ها
هفته اول: کمترین مربعات و رگرسیون خطی
Week 1: Least Squares and Linear Regression
مقدمهای بر رگرسیون
Introduction to Regression
مقدمه: مفاهیم پایه کمترین مربعات
Introduction: Basic Least Squares
جزئیات فنی (در صورت تمایل قابل چشمپوشی)
Technical Details (Skip if you'd like)
مثال دادههای مقدماتی
Introductory Data Example
نمادگذاری و پیشزمینه
Notation and Background
کمترین مربعات خطی
Linear Least Squares
مثال کدنویسی کمترین مربعات خطی
Linear Least Squares Coding Example
جزئیات فنی (در صورت تمایل قابل چشمپوشی)
Technical Details (Skip if you'd like)
رگرسیون به سمت میانگین
Regression to the Mean
هفته دوم: رگرسیون خطی و رگرسیون چند متغیره
Week 2: Linear Regression & Multivariable Regression
مدلهای آماری رگرسیون خطی
Statistical Linear Regression Models
تفسیر ضرایب
Interpreting Coefficients
رگرسیون خطی برای پیشبینی
Linear Regression for Prediction
باقیماندهها
Residuals
باقیماندهها: مثال کدنویسی
Residuals, Coding Example
واریانس باقیماندهها
Residual Variance
استنباط در رگرسیون
Inference in Regression
مثال کدنویسی
Coding Example
پیشبینی
Prediction
معرفی بسیار سریع knitr
Really, really quick intro to knitr
هفته سوم: رگرسیون چند متغیره، باقیماندهها و تشخیصها
Week 3: Multivariable Regression, Residuals, & Diagnostics
رگرسیون چند متغیره بخش اول
Multivariable Regression part I
رگرسیون چند متغیره بخش دوم
Multivariable Regression part II
ادامه رگرسیون چند متغیره
Multivariable Regression Continued
مثالهای رگرسیون چند متغیره بخش اول
Multivariable Regression Examples part I
مثالهای رگرسیون چند متغیره بخش دوم
Multivariable Regression Examples part II
مثالهای رگرسیون چند متغیره بخش سوم
Multivariable Regression Examples part III
مثالهای رگرسیون چند متغیره بخش چهارم
Multivariable Regression Examples part IV
مثالهای تعدیل (Adjustment)
Adjustment Examples
باقیماندهها و تشخیصها بخش اول
Residuals and Diagnostics part I
باقیماندهها و تشخیصها بخش دوم
Residuals and Diagnostics part II
باقیماندهها و تشخیصها بخش سوم
Residuals and Diagnostics part III
انتخاب مدل بخش اول
Model Selection part I
انتخاب مدل بخش دوم
Model Selection part II
انتخاب مدل بخش سوم
Model Selection part III
هفته چهارم: رگرسیون لجستیک و رگرسیون پواسون
Week 4: Logistic Regression and Poisson Regression
مدلهای خطی تعمیمیافته (GLMs)
GLMs
رگرسیون لجستیک بخش اول
Logistic Regression part I
رگرسیون لجستیک بخش دوم
Logistic Regression part II
رگرسیون لجستیک بخش سوم
Logistic Regression part III
نمایش نظرات