تسلط بر هوش مصنوعی (AI) با پایتون و R

سرفصل ها و درس ها

هوش مصنوعی با پایتون - سطح مبتدی Artificial Intelligence with Python - Beginner Level

• بررسی اجمالی هوش مصنوعی Artificial Intelligence Overview

• Anaconda Navigator را دانلود کنید Download Anaconda Navigator

• راه اندازی و نصب Set up and Installation

• Numpy در نوت بوک Jupyter Numpy in Jupyter Notebook

• تابع آرایه Array Function

• نمایه سازی و انتخاب Numpy Numpy indexing and Selection

• عملکرد فیلتر Filter Function

• کتابخانه های پایتون برای تجسم Python Libraries for Visualization

• کتابخانه های پایتون برای تجسم ادامه دارد Python Libraries for Visualization Continued

• کتابخانه Matpotlib و کاربران آن Matpotlib Library and its Users

• کتابخانه Matpotlib و کاربران آن ادامه دارد Matpotlib Library and its Users Continued

• ترسیم داده ها Plotting of Data

• بسته Seaborn برای تجسم Seaborn Package for Visualization

• بسته Seaborn برای تجسم ادامه دارد Seaborn Package for Visualization Continued

• پلات های پراکنده Scatter Plots

• طرح های پراکنده ادامه دارد Scatter Plots Continued

• کتابخانه های Seaborn و مفاهیم آن Seaborn Libraries and its Implication

هوش مصنوعی با پایتون - سطح متوسط Artificial Intelligence with Python - Intermediate Level

• مقدمه دوره Introduction to Course

• پایتون برای هوش مصنوعی Python for AI

• یادگیری ماشینی چیست؟ What is Machin Learning

• تلاش برای پردازش داده ها Data Processing Effort

• معنی تعصب چیست What is Meaning of Bias

• تعصب در مقابل واریانس ترید آف Bias vs Variance Tradeoff

• تکامل مدل Model Evolution

• Scikit Learn Scikit Learn

• در حال بارگیری داده ها Loading the Data

• بررسی تجسم Checking the Visualization

• پیش بینی کنید Predict

• مقادیر داده ها Data Values

• اعمال کاهش ابعاد Applying Dimensionality Reduction

• انتخاب مدل Model Selection

• طبقه بندی کننده Kneibhbors Kneibhbors Classifier

• دقت طبقه بندی کننده Accuracy of Classifier

• ML طبقه بندی Handson ML Classification Handson

• تجزیه و تحلیل آماری مجموعه داده Statistical Analysis of the Dataset

• رمزگذار برچسب را وارد کنید Import Label Encoder

• امتیاز دقت Accuracy Score

• پرسپترون چند لایه Multilayer Perceptron

• پرسپترون چندلایه ادامه دارد Multilayer Perceptron Continued

• تعداد خوشه ها Number of Clusters

• روش چندگانه Multiple Method

• Keras-Pytorch و Tensorflow Keras-Pytorch and Tensorflow

• کار بر روی نوت بوک Jupyter Working on Jupyter Notebook

• طبقه بندی باینری Binary Classification

• بررسی تجسم Checking the Visualization

• Pyplot Pyplot

هوش مصنوعی - تحلیل پیش‌بینی با پایتون AI Artificial Intelligence - Predictive Analysis with Python

• مقدمه ای بر تحلیل پیش بینی کننده Introduction to Predictive Analysis

• جنگل تصادفی و جنگل بسیار تصادفی Random Forest and Extremely Random Forest

• مقابله با عدم تعادل طبقاتی Dealing with Class Imbalance

• جستجوی شبکه Grid Search

• Adaboost Regressor Adaboost Regressor

• پیش بینی ترافیک با استفاده از رگرسیور جنگل بسیار تصادفی Predicting Traffic Using Extremely Random Forest Regressor

• پیش بینی ترافیک Traffic Prediction

• تشخیص الگوها با یادگیری بدون نظارت Detecting patterns with Unsupervised Learning

• خوشه بندی Clustering

• Clustering Meanshift Clustering Meanshift

• Clustering Meanshift ادامه دارد Clustering Meanshift Continues

• مدل انتشار میل Affinity Propagation Model

• مدل انتشار قرابت ادامه دارد Affinity Propagation Model Continues

• کیفیت خوشه بندی Clustering Quality

• برنامه کیفیت خوشه بندی Program of Clustering Quality

• مدل مخلوط گاوسی Gaussian Mixture Model

• برنامه مدل مخلوط گاوسی Program of Gaussian Mixture Model

• طبقه بندی در هوش مصنوعی Classification in Artificial Intelligence

• پردازش داده ها Processing Data

• طبقه بندی رگرسیون لجستیک Logistic Regression Classifier

• مثال طبقه‌بندی‌کننده رگرسیون لجستیک با استفاده از پایتون Logistic Regression Classifier Example Using Python

• طبقه بندی کننده ساده بیز و نمونه های آن Naive Bayes Classifier and its Examples

• ماتریس سردرگمی Confusion Matrix

• مثالی از ماتریس سردرگمی Example os Confusion Matrix

• دسته‌بندی ماشین‌های برداری پشتیبانی (SVM) Support Vector Machines Classifier(SVM)

• نمونه های طبقه بندی کننده SVM SVM Classifier Examples

• مفهوم برنامه نویسی منطقی Concept of Logic Programming

• مطابقت با عبارت ریاضی Matching the Mathematical Expression

• تجزیه درخت خانواده و مثال آن Parsing Family Tree and its Example

• تحلیل برنامه ریزی منطقی جغرافیا Analyzing Geography Logic Programming

• حل پازل و مثال آن Puzzle Solver and its Example

• جستجوی اکتشافی چیست؟ What is Heuristic Search

• تکنیک جستجوی محلی Local Search Technique

• مشکل رضایت از محدودیت Constraint Satisfaction Problem

• مشکل رنگ آمیزی منطقه Region Coloring Problem

• پیچ و خم ساختمان Building Maze

• حل کننده پازل Puzzle Solver

• پردازش زبان طبیعی Natural Language Processing

• متن را با استفاده از NLTK بررسی کنید Examine Text Using NLTK

• دسترسی به متن خام (Tokenization) Raw Text Accessing (Tokenization)

• خط لوله NLP و مثال آن NLP Pipeline and Its Example

• بیان منظم با NLTK Regular Expression with NLTK

• ساقه Stemming

• Lemmatization Lemmatization

• تقسیم بندی Segmentation

• نمونه تقسیم بندی Segmentation Example

• نمونه تقسیم بندی ادامه دارد Segmentation Example Continues

• استخراج اطلاعات Information Extraction

• الگوها را تگ کنید Tag Patterns

• تکه تکه شدن Chunking

• نمایندگی چانکس Representation of Chunks

• چنگ زدن Chinking

• قطعه قطعه کردن wirh بیان منظم Chunking wirh Regular Expression

• به نام Entity Recognition Named Entity Recognition

• درختان Trees

• گرامر آزاد زمینه Context Free Grammar

• تجزیه نزولی بازگشتی Recursive Descent Parsing

• تجزیه بازگشتی نزول ادامه دارد Recursive Descent Parsing Continues

• Shift Reduce Parsing Shift Reduce Parsing

دوره آموزشی هوش مصنوعی و یادگیری ماشین Artificial Intelligence and Machine Learning Training Course

• مقدمه ای بر هوش مصنوعی Introduction to Artificial Intelligence

• تعریف هوش مصنوعی Definition of Artificial Intelligence

• عوامل هوشمند Intelligent Agents

• اطلاعات در مورد جستجوی فضای ایالتی Information on State Space Search

• نظریه گراف در جستجوی فضای حالت Graph theory on state space search

• حل مسئله از طریق جستجوی فضای حالت Problem Solving through state space search

• راه حل برای جستجوی فضای ایالتی Solution for State Space Search

• FSM FSM

• BFS در نمودار BFS on Graph

• الگوی DFS DFS algo

• DFS با عمق دادن تکراری DFS with iterative deepening

• الگوبرداری عقبگرد Backtracking Algo

• Trace Backtracking در Graph part_1 Trace Backtracking on Graph part_1

• Trace Backtracking در Graph part_2 Trace Backtracking on Graph part_2

• Summary_State Space Search Summary_State Space Search

• نمای کلی جستجوی اکتشافی Heuristic search overview

• بخش تکنیک محاسبات اکتشافی _1 Heuristic Calculation Technique part _1

• تکنیک محاسبات اکتشافی بخش _2 Heuristic Calculation Technique part _2

• تپه نوردی ساده Simple Hill Climbing

• بهترین الگوی جستجوی اول Best First Search Algo

• Tracing Best First Search-1 Tracing Best First Search-1

• بهترین جستجوی اول ادامه دهید Best First Search Continue

• پذیرش-1 Admissibility-1

• مینی حداکثر Mini-Max

• دو لایه حداقل حداکثر Two Ply Min Max

• هرس آلفا بتا Alpha Beta Pruning

• مروری بر یادگیری ماشین Machine Learning Overview

• یادگیری پرسپترون Perceptron Learning

• پرسپترون با قابلیت جداسازی خطی Perceptron With Linearly Separable

• پس انتشار با نورون چند لایه Backpropagation With Multilayer Neuron

• W برای گره پنهان و Backpropagation Algo W for hidden node and Backpropagation Algo

• توضیح الگوریتم پس انتشار Backpropagation Algorithm Explained

• قسمت 01 محاسبه پس انتشار Backpropagation Calculation Part01

• محاسبه پس انتشار قسمت 02 Backpropagation Calculation Part02

• به روز رسانی وزن و خوشه Updation of Weight And Cluster

• K-Means Cluster، Nnalgo و کاربرد یادگیری ماشین K-Means Cluster,Nnalgo And Appliaction of Machine Learning

• بررسی اجمالی استدلال منطقی محاسبات گزاره ای قسمت 1 Logics Reasoning Overview Propositional Calculas Part 1

• بررسی اجمالی استدلال منطقی محاسبات گزاره ای قسمت 2 Logics Reasoning Overview Propositional Calculas Part 2

• حساب نسبی Propotional Calculus

• حساب محمول Predicate Calculus

• حساب محمول مرتبه اول First Order Predicate Calculus

• Modus Ponus، Tollens Modus Ponus, Tollens

• فرآیند یکسان سازی و کسر Unification And Deduction Process

• رد قطعنامه Resolution Refutation

• رد قطعنامه به تفصیل Resolution Refutation In Detail

• Resolution Refutation Example-2 Convert Into Clause Resolution Refutation Example-2 Convert Into Clause

• Resoultion Refutation Example-2 اعمال رد Resoultion Refutation Example-2 Apply Refutation

• جایگزینی یکسان سازی و اسکلمی سازی Unification Substitution Andskolemization

• بررسی اجمالی Prolog بخشی از استدلال Prolog Overview Some Part of Reasoning

• مدل مبتنی بر و استدلال Cbr Model Based And Cbr Reasoning

• سیستم تولید Production System

• ردپای سیستم تولید Trace of Production System

• تور شوالیه Prob In Chessboard Knight tour Prob In Chessboard

• سیستم تولید مبتنی بر داده مبتنی بر هدف قسمت 1 Goal Driven Data Driven Production System Part 1

• سیستم تولید مبتنی بر داده مبتنی بر هدف قسمت 2 Goal Driven Data Driven Production System Part 2

• هدف محور در مقابل داده محوری و درج و حذف حقایق Goal Driven Vs Data Driven And Inserting And Removing Facts

• تعریف قوانین و دستورات Defining Rules And Commands

• نصب کلیپ و آموزش کلیپ 1 Clips Installation And Clipstutorial 1

• آموزش کلیپ ها 2 Clips Tutorial 2

• آموزش کلیپ 3 Clips Tutorial 3

• آموزش کلیپ 4 Clips Tutorial 4

• Clips Tutorial 5 Part01 Clips Tutorial 5 Part01

• Clips Tutorial 5 Part02 Clips Tutorial 5 Part02

• آموزش 6 Tutorial 6

• آموزش کلیپ ها 7 Clips Tutorial 7

• آموزش کلیپ 8 Clips Tutorial 8

• آموزش Variable In Pattern 9 Variable In Pattern Tutorial 9

• آموزش 10 Tutorial 10

• بیشتر در مورد Wildcardmatching Part01 More on Wildcardmatching Part01

• بیشتر در مورد Wildcardmatching Part02 More on Wildcardmatching Part02

• اطلاعات بیشتر در مورد متغیرها More on Variables

• Deffacts And Deffacts Part01 Deffacts And Deftemplates Part01

• Deffacts And Deffacts Part02 Deffacts And Deftemplates Part02

• قسمت 1 جزئیات قالب Template Indetail Part1

• نه اپراتور Not Operator

• Forall And Exists Part01 Forall And Exists Part01

• Forall And Exists Part02 Forall And Exists Part02

• حقیقت و کنترل Truth And Control

• آموزش 12 Tutorial 12

• عامل هوشمند Intelligent Agent

• عامل رفلکس ساده Simple Reflex Agent

• عامل بازتابی ساده با حالت داخلی Simple Reflex Agent with Internal State

• عامل مبتنی بر هدف Goal Based Agent

• عامل مبتنی بر ابزار Utility Based Agent

• مبانی تئوری سودمندی Basics of Utility Theory

• حداکثر ابزار مورد انتظار Maximum Expected Utility

• تئوری تصمیم و شبکه تصمیم Decision Theory And Decision Network

• یادگیری تقویتی Reinforcement Learning

• امدپند ددن Mdpand Ddn

• مبانی نظریه مجموعه ها قسمت 1 Basics of Set Theory Part 1

• مبانی نظریه مجموعه ها قسمت 2 Basics of Set Theory Part 2

• توزیع احتمال Probability Distribution

• قانون بیزی برای احتمال شرطی Baysian Rule For Conditional Probability

• نمونه هایی از قضیه بیز Examples of Bayes Theorm

یادگیری ماشین با R Machine Learning with R

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• چگونه یادگیری ماشینی How do Machine Learn

• مراحل کاربرد یادگیری ماشینی Steps to Apply Machine Learning

• مشکلات رگرسیون و طبقه بندی Regression and Classification Problems

• دستکاری داده های پایه در R Basic Data Manipulation in R

• اطلاعات بیشتر در مورد دستکاری داده ها در R More on Data Manipulation in R

• دستکاری داده های پایه در R - عملی Basic Data Manipulation in R - Practical

• یک وکتور ایجاد کنید Create a Vector

• 2.7 مشکل و راه حل 2.7 Problem and Solution

• 2.10 مشکل و راه حل 2.10 Problem and Solution

• نمایی از راست به چپ Exponentiation Right to Left

• 2.13 اجتناب از برخی اشتباهات رایج 2.13 Avoiding Some Common Mistakes

• رگرسیون خطی ساده Simple Linear Regression

• رگرسیون خطی ساده ادامه دارد Simple Linear Regression Continues

• Rsquare چیست؟ What is Rsquare

• خطای استاندارد Standard Error

• آمار عمومی General Statistics

• آمار عمومی ادامه دارد General Statistics Continues

• رگرسیون خطی ساده و آمار بیشتر Simple Linear Regression and More of Statistics

• استودیو را باز کنید Open the Studio

• R Square چیست؟ What is R Square

• خطای STD چیست؟ What is STD Error

• رد فرضیه صفر Reject Null Hypothesis

• واریانس کوواریانس و همبستگی Variance Covariance and Correlation

• نام های ریشه و انواع توابع توزیع Root names and Types of Distribution Function

• تولید اعداد تصادفی و تابع ترکیبی Generating Random Numbers and Combination Function

• احتمالات برای تابع توزیع گسسته Probabilities for Discrete Distribution Function

• تابع Quantile و توزیع سم Quantile Function and Poison Distribution

• توزیع T دانشجویان، فرضیه و مثال Students T Distribution, Hypothesis and Example

• Chai-Square Distribution Chai-Square Distribution

• تجسم داده ها Data Visualization

• اطلاعات بیشتر در مورد تجسم داده ها More on Data Visualization

• رگرسیون خطی چندگانه Multiple Linear Regression

• رگرسیون خطی چندگانه ادامه دارد Multiple Linear Regression Continues

• متغیرهای رگرسیون Regression Variables

• مدل خطی تعمیم یافته Generalized Linear Model

• حداقل مربع تعمیم یافته Generalized Least Square

• KNN- روش های مختلف اندازه گیری فاصله KNN- Various Methods of Distance Measurements

• مروری بر KNN- (مراحل درگیر) Overview of KNN- (Steps involved)

• نرمال سازی داده ها و پیش بینی داده های آزمایشی Data normalization and prediction on Test Data

• بهبود عملکرد مدل و ROC Improvement of Model Performance and ROC

• طبقه بندی درخت تصمیم Decision Tree Classifier

• بیشتر در مورد طبقه بندی درخت تصمیم More on Decision Tree Classifier

• هرس درختان تصمیم Pruning of Decision Trees

• درخت تصمیم باقی مانده است Decision Tree Remaining

• درخت تصمیم باقی مانده است Decision Tree Remaining Continues

• مفهوم کلی جنگل تصادفی General concept of Random Forest

• Ada Boosting and Ensemble Learning Ada Boosting and Ensemble Learning

• تجسم و آماده سازی داده ها Data Visualization and Preparation

• تنظیم مدل جنگل تصادفی Tuning Random Forest Model

• ارزیابی عملکرد مدل جنگل تصادفی Evaluation of Random Forest Model Performance

• مقدمه ای بر خوشه بندی Kmeans Introduction to Kmeans Clustering

• Kmeans Elbow Point و Dataset Kmeans Elbow Point and Dataset

• نمونه ای از مجموعه داده های Kmeans Example of Kmeans Dataset

• ایجاد یک نمودار برای Kmeans Clustering Creating a Graph for Kmeans Clustering

• ایجاد یک نمودار برای Kmeans Clustering ادامه دارد Creating a Graph for Kmeans Clustering Continues

• تابع تجمع خوشه بندی Aggregation Function of Clustering

• احتمال شرطی با الگوریتم بیز Conditional Probability with Bayes Algorithm

• نمودار ون طبقه بندی ساده بیز Venn Diagram Naive Bayes Classification

• مؤلفه قضیه بیز با استفاده از جدول فراوانی Component OF Bayes Theorem using Frequency Table

• الگوریتم طبقه بندی ساده بیز و برآوردگر لاپلاس Naive Bayes Classification Algorithm and Laplace Estimator

• نمونه ای از طبقه بندی ساده بیز Example of Naive Bayes Classification

• نمونه ای از طبقه بندی ساده بیز ادامه دارد Example of Naive Bayes Classification Continues

• پیام های اسپم و حمام در ورد ابر Spam and Ham Messages in Word Cloud

• اجرای ماتریس واژه نامه و سند Implementation of Dictionary and Document Term Matrix

• تابع Naive Bayes را اجرا می کند Executes the Function Naive Bayes

• ماشین وکتور پشتیبانی با روش جعبه سیاه Support Vector Machine with Black Box Method

• ماشین بردار پشتیبان خطی و غیر خطی Linearly and Non- Linearly Support Vector Machine

• ترفند کرنال Kernal Trick

• Gaussian RBF Kernal و OCR با SVM Gaussian RBF Kernal and OCR with SVMs

• نمونه هایی از گاوسی RBF Kernal و OCR با SVM Examples of Gaussian RBF Kernal and OCR with SVMs

• خلاصه ماشین بردار پشتیبان Summary of Support Vector Machine

• تکنیک کاهش ابعاد انتخاب ویژگی Feature Selection Dimension Reduction Technique

• تکنیک کاهش ابعاد استخراج ویژگی Feature Extraction Dimension Reduction Technique

• مثال تکنیک کاهش ابعاد Dimension Reduction Technique Example

• مثال تکنیک کاهش ابعاد ادامه دارد Dimension Reduction Technique Example Continues

• مقدمه تجزیه و تحلیل مؤلفه های اصلی Introduction Principal Component Analysis

• مراحل PCA Steps of PCA

• مراحل PCA ادامه دارد Steps of PCA Continues

• ارزش های ویژه Eigen Values

• بردارهای ویژه Eigen Vectors

• تجزیه و تحلیل اجزای اصلی با استفاده از Pr-Comp Principal Component Analysis using Pr-Comp

• تجزیه و تحلیل اجزای اصلی با استفاده از Pr-Comp ادامه دارد Principal Component Analysis using Pr-Comp Continues

• نوع C Bind در PCA C Bind Type in PCA

• مدل نوع R R Type Model

• روش جعبه سیاه در شبکه عصبی Black Box Method in Neural Network

• ویژگی های یک شبکه عصبی Characteristics of a Neural Networks

• توپولوژی شبکه یک شبکه عصبی Network Topology of a Neural Networks

• تنظیم وزن و به روز رسانی کیس Weight Adjustment and Case Update

• معرفی مدل ساختمان در R Introduction Model Building in R

• نصب پکیج مدل ساختمان در R Installing the Package of Model Building in R

• گره ها در مدل سازی در R Nodes in Model Building in R

• نمونه ای از مدل سازی در R Example of Model Building in R

• تجزیه و تحلیل سری زمانی Time Series Analysis

• الگو در داده های سری زمانی Pattern in Time Series Data

• مدل سازی سری زمانی Time Series Modelling

• مدل میانگین متحرک Moving Average Model

• تابع همبستگی خودکار Auto Correlation Function

• استنباط ACF و PFCF Inference of ACF and PFCF

• بررسی تشخیصی Diagnostic Checking

• پیش بینی با استفاده از قیمت سهام Forecasting Using Stock Price

• شاخص قیمت سهام Stock Price Index

• شاخص قیمت سهام ادامه دارد Stock Price Index Continues

• سهام پیامبر Prophet Stock

• سهام پیامبر را اجرا کنید Run Prophet Stock

• ملی شدن داده های سری زمانی Time Series Data Denationalization

• غیر ملی کردن داده های سری زمانی ادامه دارد Time Series Data Denationalization Continues

• میانگین ربع ملی شدن Average of Quarter Denationalization

• پسرفت ملی شدن Regression of Denationalization

• ماشین های افزایش گرادیان Gradient Boosting Machines

• خطا در ماشین های تقویت گرادیان Errors in Gradient Boosting Machines

• نرخ خطا در دستگاه های تقویت کننده گرادیان چیست؟ What is Error Rate in Gradient Boosting Machines

• ماشین‌های تقویت گرادیان بهینه‌سازی Optimization Gradient Boosting Machines

• درختان تقویت کننده گرادیان (GBT) Gradient Boosting Trees (GBT)

• تقویت مجموعه داده در گرادیان Dataset Boosting in Gradient

• مثالی از تقویت مجموعه داده در گرادیان Example of Dataset Boosting in Gradient

• مثالی از تقویت مجموعه داده در گرادیان ادامه دارد Example of Dataset Boosting in Gradient Continues

• قوانین انجمن تحلیل سبد بازار Market Basket Analysis Association Rules

• قوانین انجمن تحلیل سبد بازار ادامه دارد Market Basket Analysis Association Rules Continues

• تفسیر تحلیل سبد بازار Market Basket Analysis Interpretation

• اجرای تحلیل سبد بازار Implementation of Market Basket Analysis

• نمونه ای از تحلیل سبد بازار Example of Market Basket Analysis

• داده کاوی در تحلیل سبد بازار Datamining in Market Basket Analysis

• تجزیه و تحلیل سبد بازار با استفاده از Rstudio Market Basket Analysis Using Rstudio

• تحلیل سبد بازار با استفاده از Rstudio ادامه دارد Market Basket Analysis Using Rstudio Continues

• بیشتر در Rstudio در تجزیه و تحلیل بازار More on Rstudio in Market Analysis

• توسعه جدید در یادگیری ماشین New Development in Machine Learning

• دانشمند داده در یادگیری ماشینی Data Scientist in Machine Learnirng

• انواع تشخیص در یادگیری ماشینی Types of Detection in Machine Learning

• نمونه ای از توسعه جدید در یادگیری ماشین Example of New Development in Machine Learning

• نمونه ای از توسعه جدید در یادگیری ماشین ادامه دارد Example of New Development in Machine Learning Continues

رگرسیون لجستیک و یادگیری ماشینی نظارت شده در پایتون Logistic Regression & Supervised Machine Learning in Python

• مقدمه دوره Intro to Course

• چرخه زندگی Life Cycle

• واردات کتابخانه ها Import Libraries

• الگوریتم ها Algorithms

• طبقه بندی درخت تصمیم Decision Tree Classifier

• رگرسیون لاجیتک Logitech Regression

• EDA EDA

• بارگذاری کتابخانه ها Load Libraries

• بارگذاری کتابخانه ها ادامه دارد Load Libraries Continue

• قطعه نوار Bar Plot

• ستون نام Name Column

• مدل سازی Modelling

• مجموعه آموزشی Training Set

• واردات متقاطع اعتبار Import Cross Validation

پروژه در R - پیش بینی خرید کارت Project on R - Card Purchase Prediction

• معرفی و وارد کردن مجموعه داده Introduction and Importing Dataset

• IV محاسبه IV Calculation

• ترسیم متغیرها Plotting Variables

• تقسیم شدن Splitting

• مدل لجستیک ساختمان Building Logistic Model

• ساخت مدل بهینه Making Optimal Model

• ساخت نمودار بالابر برای مجموعه تمرینی Making Lift Chart for Training Set

• بررسی عملکرد مدل Checking Model Performance

• عملکرد مدل در مجموعه تست Model Performance in Test Set

• ذخیره مدل در R Saving Model in R

• برازش مدل درخت تصمیم Fitting Decision Tree Model

• برازش مدل درخت تصمیم ادامه دهید Fitting Decision Tree Model Continue

• پیش بینی درخت تصمیم و عملکرد مدل Prediction of Decision Tree and Model Performance