آموزش تحلیل سبد بازار و تجزیه و تحلیل تشخیصی خطی با R

Market Basket Analysis & Linear Discriminant Analysis with R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: کارشناسی ارشد: قوانین انجمن (MBA) و استفاده از آن، تجزیه و تحلیل تشخیص خطی (LDA) برای طبقه بندی و انتخاب متغیر. قوانین انجمن چگونه کار می کند؟ چگونه با استفاده از Excel & R تجزیه و تحلیل سبد بازار انجام دهیم آنالیز تشخیص خطی چیست؟ چگونه با استفاده از R آنالیز تفکیک خطی انجام دهیم؟ چگونه هر جزء از خروجی تجزیه و تحلیل تفکیک خطی را درک کنیم؟ استفاده عملی از تجزیه و تحلیل تفکیک خطی پیش نیازها: درک اولیه استودیو R و R درک پایه آمار به عنوان درس مستلزم دانش رگرسیون خطی، واریانس و غیره است.

این دوره دارای دو بخش است. در بخش 1 قوانین انجمن (تحلیل سبد بازار) توضیح داده شده است. در بخش 2، تجزیه و تحلیل تشخیص خطی (LDA) توضیح داده شده است. L

---------------------------------------------- ---

جزئیات قسمت 1 - قوانین انجمن/تحلیل سبد بازار (MBA)

---------------------------------------------- -----

  • تجزیه و تحلیل سبد بازار (MBA) یا قوانین انجمن چیست
  • استفاده از قوانین انجمن - چگونه می توان آن را در شرایط مختلف اعمال کرد
  • یک قانون انجمن چگونه به نظر می رسد؟
  • قوت یک قانون مرتبط - 
    1. معیار پشتیبانی
    2. معیار اعتماد
    3. اندازه گیری بالابر
  • الگوریتم پایه برای استخراج قوانین
  • نمایش الگوریتم پایه برای استخراج قوانین - بحث در مورد الگوریتم اول وسعت و الگوریتم اول عمق
  • نسخه ی نمایشی با استفاده از R - دو مثال
  • تکلیف برای تقویت مفاهیم

---------------------------------------------- ---

جزئیات قسمت 2 - خطی  (تحلیل سبد بازار)

---------------------------------------------- -----

  • نیاز به مدل طبقه بندی
  • هدف از تشخیص خطی
  • مورد استفاده برای طبقه بندی
  • تعریف رسمی LDA
  • قابلیت کاربرد تکنیک های تجزیه و تحلیل
  • دو استفاده از LDA 
    1. LDA برای انتخاب متغیر
    2. نسخه نمایشی استفاده از LDA برای انتخاب متغیر
    3. دومین استفاده از LDA - LDA برای طبقه بندی
  • جزئیات دومین کاربرد عملی LDA
    1. درک سه جزء مهم برای درک درست LDA
    2. اولین پیچیدگی LDA - اندازه گیری فاصله: فاصله اقلیدسی
    3. اولین پیچیدگی LDA - اندازه گیری فاصله افزایش یافته : فاصله Mahalanobis
    4. پیچیدگی دوم LDA - تابع تشخیص خطی
    5. پیچیدگی سوم LDA - احتمال پسین/قضیه بیز
  • نمایش LDA با استفاده از R
    1. همراه با رویکرد جک چاقوی
    2. شیرجه عمیق به خروجی LDA
    3. تجسم عملیات LDA
    4. آمار نمودار LDA را درک کنید
  • LDA در مقابل PCA در کنار هم
  • نسخه نمایشی LDA برای بیش از دو کلاس: درک
    1. تجسم داده
    2. توسعه مدل
    3. اعتبارسنجی مدل در مجموعه داده قطار و مجموعه داده های آزمایشی
  • استفاده در صنعت از الگوریتم طبقه بندی
  • رسیدگی به موارد خاص در LDA

سرفصل ها و درس ها

بخش 1 - قوانین انجمن (تحلیل سبد بازار) Part 1 - Association Rules (Market Basket Analysis)

  • نمای کلی بخش Section Overview

  • چگونه این دوره را مطالعه کنیم؟ How to study this course?

  • تجزیه و تحلیل سبد بازار (MBA)/قوانین انجمن چیست؟ What is Market Basket Analysis (MBA) / Association rules ?

  • استفاده از قوانین انجمن Usage of Association Rules

  • یک قانون انجمن چگونه به نظر می رسد؟ How does an association rule look like?

  • قدرت یک قانون تداعی - اندازه گیری حمایت Strength of an association rule - Support measure

  • قوت یک قانون تداعی - معیار اعتماد Strength of an association rule - Confidence measure

  • قدرت یک قانون تداعی - اندازه گیری بالابر Strength of an association rule - Lift measure

  • الگوریتم پایه برای استخراج قوانین Basic Algorithm to derive rules

بخش 1- دمو ​​و مسابقه قوانین انجمن Part 1- Association rules demo & quiz

  • نمایش الگوریتم پایه برای استخراج قوانین (BFS و DFS) Demo of Basic Algorithm to derive rules (BFS and DFS)

  • نسخه ی نمایشی با استفاده از R در داده های تراکنش میوه Demo Using R on Fruit transaction data

  • نسخه ی نمایشی استفاده از R در داده های تراکنش دیگر Demo Using R on another transaction data

  • یادگیری - تکلیف خود را امتحان کنید Try your learning - assignment

  • یادگیری خود را دوباره مرور کنید Revisit your learning

  • راه حل تکلیف Assignment solution

بخش 2 - تحلیل تشخیصی خطی (LDA) Part 2 - Linear Discriminant Analysis (LDA)

  • نمای کلی بخش Section Overview

  • نیاز به مدل طبقه بندی Need of a classification model

  • هدف از تشخیص دهنده های خطی Purpose of Linear Discriminants

  • موردی برای طبقه بندی A case for classification

  • تعریف رسمی LDA Formal definition of LDA

  • قابلیت کاربرد تکنیک های تجزیه و تحلیل Analytics techniques applicability

  • اولین استفاده عملی از LDA - LDA برای انتخاب متغیر First practical use of LDA - LDA for Variable Selection

  • نسخه ی نمایشی استفاده از LDA برای انتخاب متغیر Demo of using LDA for Variable Selection

بخش 2: دومین کاربرد عملی LDA - LDA برای طبقه بندی Part 2 : Second practical usage of LDA - LDA for classification

  • درک بصری LDA برای طبقه بندی Intuitive Understanding of LDA for classification

  • پیچیدگی اول: محاسبه فاصله - فاصله اقلیدسی First complexity : distance calculation - Euclidean distance

  • پیچیدگی اول: محاسبه فاصله (افزایش یافته) - فاصله ماهالانوبیس 01 First complexity : distance calculation (enhanced) - Mahalanobis distance 01

  • پیچیدگی اول: محاسبه فاصله (افزایش یافته) - فاصله ماهالانوبیس 02 First complexity : distance calculation (enhanced) - Mahalanobis distance 02

  • پیچیدگی دوم: تابع تشخیص خطی Second complexity : Linear Discriminant Function

  • پیچیدگی سوم: احتمال پسین (قضیه بیز) Third complexity : Posterior Probability (Bays Theorem)

  • نسخه ی نمایشی LDA با استفاده از R قسمت 01 Demo of LDA using R part 01

  • نسخه ی نمایشی LDA با استفاده از R قسمت 02 Demo of LDA using R part 02

  • LDA در مقابل PCA در کنار یکدیگر LDA vs PCA side by side

  • نسخه ی نمایشی LDA برای بیش از دو کلاس - قسمت 01 Demo of LDA for more than two classes - part 01

  • نسخه ی نمایشی LDA برای بیش از دو کلاس - قسمت 02 Demo of LDA for more than two classes - part 02

  • استفاده صنعتی از LDA Industrial usage of LDA

  • رسیدگی به موارد خاص (نمونه مغرضانه/طبقه بندی نادرست افتراقی) در LDA Handling Special Cases (biased sample / differential misclassification) in LDA

  • یادگیری خود از LDA را دوباره مرور کنید Revisit your learning of LDA

  • یادگیری خود از LDA - 02 را دوباره مرور کنید Revisit your learning of LDA - 02

  • یادداشت پایانی Closing Note

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش تحلیل سبد بازار و تجزیه و تحلیل تشخیصی خطی با R
جزییات دوره
3.5 hours
36
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
365
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Gopal Prasad Malakar Gopal Prasad Malakar

تمرینات صنعت را در زمینه علوم داده / یادگیری ماشین آموزش می دهد من یک متخصص تجربی در زمینه تجزیه و تحلیل با 18+ سال تجربه حرفه ای هستم. من تجربه صنعت تجزیه و تحلیل تأثیرگذار و عملی ، علم داده ، استراتژی تصمیم گیری و استراتژی داده های هوشمند شرکت را دارم. من یک مربی مشتاق هستم ، که معتقد است آموزش همه چیز در مورد درک کاربران از مفاهیم است. اگر دانش آموزان بعد از آموزش گیج بمانند ، آموزش بی فایده است. من اطمینان می دهم که بعد از آموزش من ، دانش آموزان (یا شرکت کنندگان) کاملاً روشنی در مورد چگونگی استفاده از یادگیری در سناریوهای تجاری خود دارند. تخصص من در زمینه تجارت کارت اعتباری ، امتیازدهی (توسعه مدل مبتنی بر اقتصاد سنجی) ، مدیریت نمره ، پیش بینی ضرر ، سیستم های هوش تجاری مانند تابلو / SAS تجزیه و تحلیل تجزیه و تحلیل ، توسعه برنامه پایگاه داده مبتنی بر دسترسی MS ، چارچوب داده های بزرگ بزرگ و تجزیه و تحلیل جریان است. لطفا به دوره من مراجعه کنید برای - جزئیات برنامه SAS / R (نحو و گزینه ها)