تجزیه و تحلیل رگرسیون برای آمار و یادگیری ماشین در R [ویدئو]

سرفصل ها و درس ها

با تحلیل رگرسیون عملی در R شروع کنید Get Started with Practical Regression Analysis in R

• مقدمه دوره: مفاهیم کلیدی و ابزار نرم افزار INTRODUCTION TO THE COURSE: The Key Concepts and Software Tools

• تفاوت بین تجزیه و تحلیل آماری و یادگیری ماشین Difference Between Statistical Analysis & Machine Learning

• شروع کار با R and R Studio Getting Started with R and R Studio

• خواندن در داده با R Reading in Data with R

• پاکسازی اطلاعات با R Data Cleaning with R

• پاک کردن اطلاعات بیشتر با R Some More Data Cleaning with R

• تجزیه و تحلیل داده های اکتشافی پایه در R Basic Exploratory Data Analysis in R

• نتیجه گیری در بخش 1 Conclusion to Section 1

مدلسازی رگرسیون حداقل مربعی معمولی Ordinary Least Square Regression Modelling

• رگرسیون OLS- نظریه OLS Regression- Theory

• OLS-پیاده سازی OLS-Implementation

• بیشتر در مورد تفسیر نتایج More on Result Interpretations

• فاصله اطمینان - نظریه Confidence Interval-Theory

• فاصله اطمینان را بر حسب R محاسبه کنید Calculate the Confidence Interval in R

• فاصله اطمینان و رگرسیون OLS Confidence Interval and OLS Regressions

• رگرسیون خطی بدون رهگیری Linear Regression without Intercept

• اجرای ANOVA در رگرسیون OLS Implement ANOVA on OLS Regression

• رگرسیون خطی چندگانه Multiple Linear Regression

• رگرسیون خطی چندگانه با متقابل و متغیرهای ساختگی Multiple Linear regression with Interaction and Dummy Variables

• برخی از شرایط اساسی که مدل های OLS باید انجام دهند Some Basic Conditions that OLS Models Have to Fulfill

• نتیجه گیری در بخش 2 Conclusions to Section 2

مقابله با چند خطی در مدل های رگرسیون OLS Deal with Multicollinearity in OLS Regression Models

• چند خطی را شناسایی کنید Identify Multicollinearity

• انجام تجزیه و تحلیل رگرسیون با متغیرهای پیش بینی کننده همبسته Doing Regression Analyses with Correlated Predictor Variables

• رگرسیون مؤلفه اصلی در R Principal Component Regression in R

• رگرسیون جزئی حداقل مربعات در R Partial Least Square Regression in R

• رگرسیون ریج در R Ridge Regression in R

• رگرسیون LASSO LASSO Regression

• نتیجه گیری در بخش 3 Conclusion to Section 3

متغیر و انتخاب مدل Variable & Model Selection

• چرا هر نوع انتخاب؟ Why Do Any Kind of Selection?

• مناسب ترین مدل رگرسیون OLS را انتخاب کنید Select the Most Suitable OLS Regression Model

• زیر مجموعه های مدل را انتخاب کنید Select Model Subsets

• دیدگاه یادگیری ماشین در ارزیابی دقت مدل رگرسیون Machine Learning Perspective on Evaluate Regression Model Accuracy

• ارزیابی عملکرد مدل رگرسیون Evaluate Regression Model Performance

• رگرسیون LASSO برای انتخاب متغیر LASSO Regression for Variable Selection

• نقش پیش‌بینی‌کننده‌ها را در توضیح تغییرات در Y شناسایی کنید Identify the Contribution of Predictors in Explaining the Variation in Y

• نتیجه گیری در بخش 4 Conclusions to Section 4

برخورد با سایر موارد نقض مدل های رگرسیون OLS Dealing with Other Violations of the OLS Regression Models

• تبدیل داده ها Data Transformations

• رگرسیون قوی - معامله با موارد پرت Robust Regression-Deal with Outliers

• مقابله با دگرگونی Dealing with Heteroscedasticity

• نتیجه گیری در بخش 5 Conclusions to Section 5

مدل های خطی تعمیم یافته (GLM) Generalized Linear Models (GLMs)

• GLM چیست؟ What are GLMs?

• رگرسیون لجستیک Logistic regression

• رگرسیون لجستیک برای متغیر پاسخ باینری Logistic Regression for Binary Response Variable

• رگرسیون لجستیک چند جمله ای Multinomial Logistic Regression

• رگرسیون برای داده های شمارش Regression for Count Data

• خوبی تست تناسب Goodness of fit testing

• نتیجه گیری در بخش 6 Conclusions to Section 6

کار با داده های غیر پارامتری و غیر خطی Working with Non-Parametric and Non-Linear Data

• رگرسیون چند جمله ای و غیر خطی Polynomial and Non-linear regression

• مدل های افزایشی تعمیم یافته (GAMs) در R Generalized Additive Models (GAMs) in R

• رگرسیون GAM تقویت شده Boosted GAM Regression

• خطوط رگرسیون تطبیقی ​​چند متغیره (MARS) Multivariate Adaptive Regression Splines (MARS)

• CART-Rregression Trees در R CART-Regression Trees in R

• درختان استنتاج شرطی Conditional Inference Trees

• جنگل تصادفی (RF) Random Forest(RF)

• رگرسیون افزایش گرادیان Gradient Boosting Regression

• انتخاب مدل ML ML Model Selection

• نتیجه گیری در بخش 7 Conclusions to Section 7