آموزش یادگیری ماشین و مبانی هوش مصنوعی: رگرسیون خطی

سرفصل ها و درس ها

معرفی Introduction

• آنچه شما باید بدانید What you should know

• با استفاده از فایل های تمرین Using the exercise files

• رگرسیون خطی برای یادگیری ماشین Linear regression for machine learning

1. رگرسیون خطی ساده 1. Simple Linear Regression

• محاسبه و تفسیر ضرایب رگرسیون Calculating and interpreting regression coefficients

• باقیمانده ها و R2 Residuals and R2

• افزودن برچسب ها و سنبله ها به طرح پراکندگی Adding labels and spikes to a scatter plot

• ساخت قطعات پراکندگی موثر در نمودار ساز Building effective scatter plots in Chart Builder

• یک طرح پراکندگی سه بعدی ایجاد کنید Create a 3D scatter plot

• یک نمودار حباب ایجاد کنید Create a bubble chart

2. مقدمه ای بر رگرسیون خطی چندگانه 2. Introduction to Multiple Linear Regression

• بررسی مفروضات: خلاصه Checking assumptions: Summary

• بررسی مفروضات بصری Checking assumptions visually

• چالش ها و مفروضات رگرسیون چندگانه Challenges and assumptions of multiple regression

• بررسی مفروضات: آزمون لوین Checking assumptions: Levine's test

• بررسی مفروضات: دوربین-واتسون Checking assumptions: Durbin-Watson

• بررسی فرضیات با کاوش Checking assumptions with Explore

• بررسی مفروضات: نمودار باقیمانده ها Checking assumptions: Residuals plot

• بررسی مفروضات: ماتریس همبستگی Checking assumptions: Correlation matrix

3. کد ساختگی و شرایط تعامل 3. Dummy Code and Interaction Terms

• تشخیص فعل و انفعالات متغیر Detecting variable interactions

• کدنویسی ساختگی با پسوند R Dummy coding with the R extension

• ایجاد کدهای ساختگی Creating dummy codes

• ایجاد و آزمایش اصطلاحات تعامل Creating and testing interaction terms

4. سه استراتژی رگرسیون 4. Three Regression Strategies

• درک همبستگی قطعات Understanding part correlations

• تجسم همبستگی های جزئی و جزئی Visualizing part and partial correlations

• رگرسیون گام به گام: تنظیم تجزیه و تحلیل Stepwise regression: Setting up the analysis

• رگرسیون همزمان: تفسیر خروجی Simultaneous regression: Interpreting the output

• رگرسیون همزمان: تنظیم تجزیه و تحلیل Simultaneous regression: Setting up the analysis

• رگرسیون گام به گام: تفسیر خروجی Stepwise regression: Interpreting the output

• ایجاد پارتیشن Train-Test در SPSS Creating a train-test partition in SPSS

• رگرسیون سلسله مراتبی: تفسیر خروجی Hierarchical regression: Interpreting the output

• رگرسیون سلسله مراتبی: تنظیم تجزیه و تحلیل Hierarchical regression: Setting up the analysis

• سه استراتژی رگرسیون و زمان استفاده از آنها Three regression strategies and when to use them

• درک همبستگی های جزئی Understanding partial correlations

5. تشخیص مشکلات و انجام اقدامات اصلاحی 5. Spotting Problems and Taking Corrective Action

• تشخیص نقاط پرت و تاثیرگذار Diagnosing outliers and influential points

• برخورد با چند خطی: IV ها را به صورت دستی ترکیب کنید Dealing with multicollinearity: Manually combine IVs

• برخورد با چند خطی: تحلیل عاملی/PCA Dealing with multicollinearity: Factor analysis/PCA

• برخورد با موارد پرت: باقیمانده های حذف شده دانشجویی Dealing with outliers: Studentized deleted residuals

• تشخیص خطی Collinearity diagnostics

• برخورد با موارد پرت: آیا موارد باید حذف شوند؟ Dealing with outliers: Should cases be removed?

• تشخیص منحنی بودن Detecting curvilinearity

6. رویکردهای دیگر به رگرسیون 6. Other Approaches to Regression

• رگرسیون لجستیک Logistic regression

• مقایسه رگرسیون با شبکه های عصبی Comparing regression to Neural Nets

• رگرسیون طبقه ای با مقیاس بندی بهینه Categorical regression with optimal scaling

• SEM SEM

• گزینه های رگرسیون Regression options

• پیش بینی سری های زمانی Time series forecasting

• مدلسازی خطی خودکار Automatic linear modeling

• درختان رگرسیون Regression trees

7. جایگزین های پیشرفته با استفاده از Extension Hub 7. Advanced Alternatives Using the Extension Hub

• رگرسیون ریج Ridge regression

• توری کمند و کش Lasso and elastic net

• هاب افزونه چیست؟ What is the extension hub?

نتیجه Conclusion

• بعدش چی What's next