آموزش تحلیل رگرسیون برای آمار و یادگیری ماشین در R - آخرین آپدیت

سرفصل ها و درس ها

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

• مقدمه دوره: مفاهیم کلیدی و ابزارهای نرم‌افزاری INTRODUCTION TO THE COURSE: The Key Concepts and Software Tools

• داده‌های دوره Data For the Course

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

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

• خواندن داده‌ها با R Reading in Data with R

• پاکسازی داده‌ها با R Data Cleaning with R

• پاکسازی بیشتر داده‌ها با R Some More Data Cleaning with R

• تحلیل اکتشافی پایه داده‌ها در R Basic Exploratory Data Analysis in R

• نتیجه‌گیری بخش ۱ Conclusion to Section 1

مدل‌سازی رگرسیون حداقل مربعات معمولی Ordinary Least Square Regression Modelling

• رگرسیون OLS - تئوری OLS Regression- Theory

• OLS - پیاده‌سازی OLS-Implementation

• ادامه تفسیر نتایج More on Result Interpretations

• فاصله اطمینان - تئوری Confidence Interval-Theory

• محاسبه فاصله اطمینان در R Calculate the Confidence Interval in R

• فاصله اطمینان و رگرسیون‌های OLS Confidence Interval and OLS Regressions

• رگرسیون خطی بدون عرض از مبدأ Linear Regression without Intercept

• پیاده‌سازی ANOVA بر روی رگرسیون OLS Implement ANOVA on OLS Regression

• رگرسیون خطی چندگانه Multiple Linear Regression

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

• برخی شرایط اساسی که مدل‌های OLS باید برآورده کنند Some Basic Conditions that OLS Models Have to Fulfill

• نتیجه‌گیری بخش ۲ Conclusions to Section 2

مقابله با هم‌خطی چندگانه در مدل‌های رگرسیون OLS Deal with Multicollinearity in OLS Regression Models

• شناسایی هم‌خطی چندگانه Identify Multicollinearity

• انجام تحلیل‌های رگرسیونی با متغیرهای پیش‌بینی‌کننده همبسته Doing Regression Analyses with Correlated Predictor Variables

• رگرسیون مؤلفه‌های اصلی در R Principal Component Regression in R

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

• رگرسیون ریج در R Ridge Regression in R

• رگرسیون LASSO LASSO Regression

• نتیجه‌گیری بخش ۳ Conclusion to Section 3

انتخاب متغیر و مدل Variable & Model Selection

• چرا انتخاب؟ Why Do Any Kind of Selection?

• انتخاب مناسب‌ترین مدل رگرسیون OLS Select the Most Suitable OLS Regression Model

• انتخاب زیرمجموعه‌های مدل 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

• شناسایی سهم پیش‌بینی‌کننده‌ها در توضیح واریانس Y Identify the Contribution of Predictors in Explaining the Variation in Y

• نتیجه‌گیری بخش ۴ Conclusions to Section 4

مقابله با سایر نقض‌های مدل‌های رگرسیون OLS Dealing With Other Violations of the OLS Regression Models

• تبدیل‌های داده Data Transformations

• رگرسیون مقاوم - مقابله با داده‌های پرت Robust Regression-Deal with Outliers

• مقابله با ناهمسانی واریانس Dealing with Heteroscedasticity

• نتیجه‌گیری بخش ۵ Conclusions to Section 5

مدل‌های خطی تعمیم‌یافته (GLMs) Generalized Linear Models(GLMs)

• GLMها چه هستند؟ What are GLMs?

• رگرسیون لجستیک Logistic regression

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

• رگرسیون لجستیک چندجمله‌ای Multinomial Logistic Regression

• رگرسیون برای داده‌های شمارشی Regression for Count Data

• آزمون نیکویی برازش Goodness of fit testing

• نتیجه‌گیری بخش ۶ Conclusions to Section 6

کار با داده‌های ناپارامتری و غیرخطی Working with Non-Parametric and Non-Linear Data

• کار با داده‌های ناپارامتری و غیرخطی Work With Non-Parametric and Non-Linear Data

• رگرسیون چندجمله‌ای و غیرخطی Polynomial and Non-linear regression

• مدل‌های جمعی تعمیم‌یافته (GAMs) در R Generalized Additive Models (GAMs) in R

• رگرسیون GAM تقویت‌شده Boosted GAM Regression

• اسلاین‌های رگرسیونی تطبیقی چندمتغیره (MARS) Multivariate Adaptive Regression Splines (MARS)

• رگرسیون یادگیری ماشین - روش‌های مبتنی بر درخت Machine Learning Regression-Tree Based Methods

• درختان رگرسیون CART در R CART-Regression Trees in R

• درختان استنباط شرطی Conditional Inference Trees

• جنگل تصادفی (RF) Random Forest(RF)

• رگرسیون گرادیان بوستینگ Gradient Boosting Regression

• انتخاب مدل ML ML Model Selection

• نتیجه‌گیری بخش ۷ Conclusions to Section 7

مباحث متفرقه Miscellaneous Lectures

• خواندن فایل با پسوند DTA Read in DTA Extension File

• آشنایی با گیت‌هاب دسکتاپ Getting Acquainted with Github Desktop

• استفاده از R Colab Using R Colab

• گروه‌بندی بر اساس زمان Group By Time

• پوزیت POSIT