نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره بر روی قابلیت ها ، مدل ها و مجموعه داده های موجود در بسته MASS در R. تمرکز دارد. در این راه ، شما دانش تخمین احتمال بقا و کار با نرخ خطر را در مدل چند حالته کسب خواهید کرد. قبل از یادگیری ماشین و پایتون آمار را به عنوان یک موضوع در می آورد با توجه به جذابیت محبوب MASS ، کل نسل آماریست های کاربردی کار خود را از کتاب درسی معروف به نام "آمار کاربردی مدرن با S" توسط Venables و Ripley آموختند. "S" ذکر شده در عنوان کتاب پیش درآمد نرم افزار آماری R است ، که برای تجزیه و تحلیل آماری بسیار محبوب و موثر است. تأثیر این اثر اساسی به قدری زیاد است که R در واقع شامل بسته ای به نام MASS ، مخفف عنوان کتاب است. در این دوره ، با استفاده از مدل ریاضی MASS با R ، شما توانایی استفاده از مجموعه داده ها ، مدل های پیش بینی و توابع تخصصی موجود در بسته MASS در R را خواهید داشت ، ابتدا می آموزید که چگونه از آزمون t کلاسیک استفاده می شود در انواع سناریوهای رایج در مورد برآورد میانگین ها و همچنین در مورد استفاده از ANOVA ، یک روش آماری قدرتمند که برای اندازه گیری خصوصیات آماری در میان دسته های مختلف داده استفاده می شود ، بیاموزید. این اکتشاف شامل انواع آزمون t مانند آزمونهای t یک نمونه و دو نمونه ، و همچنین ANOVA یک طرفه است که برای مقایسه میانگین متغیر هدف در گروه های مختلف ، بر اساس مقدار یک متغیر طبقه ای واحد. در مرحله بعدی ، شما در مورد سه روش قدرتمند در تجزیه و تحلیل داده ها ، یعنی تجزیه و تحلیل تفکیکی خطی (LDA) ، تجزیه و تحلیل تفکیک درجه دوم (QDA) و رگرسیون قوی کشف خواهید کرد. LDA و QDA تکنیک های طبقه بندی هستند که هر دو به دنبال جهت گیری مجدد داده های اصلی با استفاده از محورهای جدید و بهینه شده هستند به گونه ای که نقاط متعلق به طبقات مختلف تا آنجا که ممکن است فاصله داشته باشند. QDA وقتی به LDA ارجح است که متغیرهای x که با مقادیر مختلف متغیر y مطابقت دارند ، کوواریانس متفاوت داشته باشند. MASS شامل پشتیبانی از سه تکنیک قدرتمند رگرسیون قوی ، هوبر ، بیسکوار و همپل است. هر یک از اینها یک روش مفید برای متناسب کردن یک مدل رگرسیون است حتی اگر داده ها به شدت توسط محیط های دور آلوده شوند. سرانجام ، شما نحوه مدل سازی سیستم های پیچیده را با استفاده از مدل های چند حالته ، که نتیجه یک فرآیند تصادفی به عنوان جانشینی حالت ها است ، کشف خواهید کرد. شما تفاوت ها - و شباهت ها - بین احتمال انتقال و شدت انتقال را درک خواهید کرد ، و سپس تمام دانش را در یک کلاس خاص از مدل های چند حالته اعمال می کنید: مدل های بقا. چنین مدل هایی کاربردهای گسترده ای در حوزه های پزشکی مانند نتایج مدلسازی در رژیم های مختلف درمانی پیدا می کنند ، و شما یاد خواهید گرفت که چگونه این کار را انجام دهید ، و همچنین نحوه مدل سازی میزان خطر و احتمال بقا را یاد بگیرید. پس از پایان این دوره ، مهارت و دانش چندین تکنیک آماری تخصصی را دارید که در کتابخانه MASS در R ارائه می شود.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
انجام تجزیه و تحلیل کمی و کیفی با استفاده از مجموعه داده های MASS
Performing Qualitative and Quantitative Analysis Using MASS Datasets
-
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
-
معرفی بسته MASS
Introducing the MASS Package
-
داده های کمی و کیفی
Qualitative and Quantitative Data
-
آزمون فرضیه با استفاده از آزمونهای t
Hypothesis Testing Using t-tests
-
تست فرضیه با استفاده از ANOVA
Hypothesis Testing Using ANOVA
-
نسخه ی نمایشی: ادغام با بسته MASS
Demo: Integrating with the MASS Package
-
نسخه ی نمایشی: تجزیه و تحلیل کمی و کیفی داده های وزن هنگام تولد
Demo: Quantitative and Qualitative Analysis of Birthweight Data
-
نسخه ی نمایشی: در حال انجام تست های t بر روی داده های وزن هنگام تولد
Demo: Running t-tests on Birthweight Data
-
نسخه ی نمایشی: تجزیه و تحلیل کمی و کیفی داده های اتومبیل
Demo: Quantitative and Qualitative Analysis of Cars Data
-
نسخه ی نمایشی: اجرای آنالیز ANOVA بر روی داده های اتومبیل
Demo: Executing ANOVA Analysis on Cars Data
-
نسخه ی نمایشی: آزمون تی زوجی بر روی داده های آنورکسیا
Demo: Paired Sample t-test on Anorexia Data
انجام تجزیه و تحلیل پیش بینی با استفاده از مدل های MASS
Performing Predictive Analytics Using MASS Models
-
تحلیل م Compلفه اصلی: شهود
Principal Component Analysis: Intuition
-
تجزیه و تحلیل خطی و تبعیض آمیز درجه دوم
Linear Discriminant Analysis and Quadratic Discriminant Analysis
-
نصب مدل های خطی مقاوم
Fitting Robust Linear Models
-
نسخه ی نمایشی: تجزیه و تحلیل خطی تبعیض آمیز (LDA) و تجسم
Demo: Linear Discriminant Analysis (LDA) and Visualization
-
نسخه ی نمایشی: LDA با استفاده از تمام مقادیر ستون
Demo: LDA Using All Column Values
-
نسخه ی نمایشی: تجزیه و تحلیل مجاز درجه دوم
Demo: Quadratic Discriminant Analysis
-
نسخه ی نمایشی: نصب یک مدل خطی مقاوم
Demo: Fitting a Robust Linear Model
-
نسخه ی نمایشی: رگرسیون قوی با استفاده از مجموعه داده مسکن بوستون
Demo: Robust Regression Using the Boston Housing Dataset
پیاده سازی مدلهای چند حالته در R
Implementing Multi-state Models in R
-
مدل های چند حالته
Multi-state Models
-
مدلهای زنده ماندن
Survival Models
-
انواع مدل های دولتی
Types of State Models
-
درک توزیع های Weibull به مدل های حالت دولت
Understanding Weibull Distributions to Model State Transitions
-
نمونه هایی از مدل های چند حالته
Examples of Multi-state Models
-
برآورد Kaplan-Meier و آزمون ورود به سیستم
The Kaplan-Meier Estimator and the Log Rank Test
-
نسخه ی نمایشی: درک داده های مدل چند حالته
Demo: Understanding the Multi-state Model Data
-
نسخه ی نمایشی: مدل سازی احتمالات انتقال و شبیه سازی نتایج
Demo: Modeling Transition Probabilities and Simulating Outcomes
-
نسخه ی نمایشی: تجسم و تفسیر احتمالات اشغال دولت
Demo: Visualizing and Interpreting State Occupancy Probabilities
-
نسخه ی نمایشی: مدل سازی تجزیه و تحلیل بقا
Demo: Modeling Survival Analysis
-
نسخه ی نمایشی: تست های رتبه بندی ورود به سیستم و مدل خطرات متناسب
Demo: Log Rank Tests and the Proportional Hazards Model
-
خلاصه و مطالعه بیشتر
Summary and Further Study
نمایش نظرات