آموزش رگرسیون لجستیک در R Studio

سرفصل ها و درس ها

مقدمه Introduction

• به دوره خوش آمدید! Welcome to the course!

• منابع دوره Course Resources

مبانی آمار Basics of Statistics

• انواع داده ها Types of Data

• این یک نقطه عطف است! This is a milestone!

• انواع آمار Types of Statistics

• توصیف گرافیکی داده ها Describing data Graphically

• اقدامات مراکز Measures of Centers

• تمرین ۱ Practice Exercise 1

• اقدامات پراکندگی Measures of Dispersion

• تمرین ۲ Practice Exercise 2

شروع کار با استودیو R و R Getting started with R and R studio

• نصب استودیو R و R Installing R and R studio

• مبانی استودیو R و R Basics of R and R studio

• بسته ها در R Packages in R

• وارد کردن داده ها قسمت 1: مجموعه داده های داخلی R Inputting data part 1: Inbuilt datasets of R

• وارد کردن داده ها قسمت 2: ورود دستی داده ها Inputting data part 2: Manual data entry

• وارد کردن داده ها قسمت 3: وارد کردن از فایل های CSV یا متنی Inputting data part 3: Importing from CSV or Text files

• ایجاد بارپلات در R Creating Barplots in R

• ایجاد هیستوگرام در R Creating Histograms in R

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• ساخت یک مدل یادگیری ماشینی Building a Machine Learning model

پیش پردازش داده ها Data Preprocessing

• جمع آوری دانش کسب و کار Gathering Business Knowledge

• کاوش داده ها Data Exploration

• داده ها و دیکشنری داده ها The Data and the Data Dictionary

• وارد کردن مجموعه داده به R Importing the dataset into R

• تمرین پروژه 1 Project Exercise 1

• تجزیه و تحلیل تک متغیره و EDD Univariate analysis and EDD

• EDD در R EDD in R

• تمرین پروژه 2 Project Exercise 2

• درمان پرت Outlier Treatment

• درمان پرت در R Outlier Treatment in R

• تمرین پروژه 3 Project Exercise 3

• مقدار گمشده Missing Value Imputation

• مقدار گمشده در R Missing Value imputation in R

• تمرین پروژه 4 Project Exercise 4

• فصلی بودن در داده ها Seasonality in Data

• تبدیل متغیر در R Variable transformation in R

• تمرین پروژه 5 Project Exercise 5

• ایجاد متغیر ساختگی: مدیریت داده های کیفی Dummy variable creation: Handling qualitative data

• ایجاد متغیر ساختگی در R Dummy variable creation in R

• تمرین پروژه 6 Project Exercise 6

• امتحان Quiz

مدل های طبقه بندی Classification Models

• سه طبقه بندی کننده و بیان مسئله Three Classifiers and the problem statement

• چرا نمی توانیم از رگرسیون خطی استفاده کنیم؟ Why can't we use Linear Regression?

• رگرسیون لجستیک Logistic Regression

• آموزش یک مدل لجستیک ساده در R Training a Simple Logistic model in R

• پروژه تمرین 7 Project Exercise 7

• نتایج رگرسیون لجستیک ساده Results of Simple Logistic Regression

• لجستیک با پیش بینی های متعدد Logistic with multiple predictors

• آموزش مدل لجستیک پیش بینی کننده چندگانه در R Training multiple predictor Logistic model in R

• امتحان Quiz

• پروژه تمرین 8 Project Exercise 8

• ماتریس سردرگمی Confusion Matrix

• ارزیابی عملکرد مدل Evaluating Model performance

• پیش بینی احتمالات، اختصاص کلاس ها و ساختن ماتریس سردرگمی Predicting probabilities, assigning classes and making Confusion Matrix

• تمرین پروژه 9 Project Exercise 9

• امتحان Quiz

تجزیه و تحلیل تشخیص خطی (LDA) Linear Discriminant Analysis (LDA)

• تحلیل تشخیصی خطی Linear Discriminant Analysis

• تجزیه و تحلیل تشخیص خطی در R Linear Discriminant Analysis in R

• تمرین پروژه 10 Project Exercise 10

تست-قطار تقسیم Test-Train Split

• تست-قطار تقسیم Test-Train Split

• اطلاعات بیشتر درباره تقسیم قطار آزمایشی More about test-train split

• تقسیم تست-قطار در R Test-Train Split in R

• تمرین پروژه 11 Project Exercise 11

• امتحان Quiz

طبقه بندی کننده K-Nearest Neighbors K-Nearest Neighbors classifier

• طبقه بندی کننده K-Nearest Neighbors K-Nearest Neighbors classifier

• K-نزدیکترین همسایه ها در R K-Nearest Neighbors in R

• تمرین پروژه 12 Project Exercise 12

درک نتایج Understanding the Results

• درک نتایج مدل های طبقه بندی Understanding the results of classification models

• خلاصه ای از سه مدل Summary of the three models

• تمرین نهایی! The Final Exercise!

پیوست 1: رگرسیون خطی در R Appendix 1: Linear Regression in R

• بیان مشکل The problem statement

• معادلات پایه و روش حداقل مربعات معمولی (OLS). Basic equations and Ordinary Least Squared (OLS) method

• ارزیابی دقت ضرایب پیش بینی شده Assessing Accuracy of predicted coefficients

• ارزیابی دقت مدل - RSE و R مجذور Assessing Model Accuracy - RSE and R squared

• رگرسیون خطی ساده در R Simple Linear Regression in R

• رگرسیون خطی چندگانه Multiple Linear Regression

• F - آمار The F - statistic

• تفسیر نتیجه برای متغیر طبقه بندی Interpreting result for categorical Variable

• رگرسیون خطی چندگانه در R Multiple Linear Regression in R

نتیجه گیری دوره Course Conclusion

• نقطه عطف نهایی! The final milestone!

• سخنرانی پاداش Bonus lecture