آموزش پروژه یادگیری ماشینی: تجزیه و تحلیل پیش بینی حمله قلبی

سرفصل ها و درس ها

مقدمه ای بر یادگیری ماشینی با پروژه پیش بینی حمله واقعی قلب Introduction to Machine Learning with Real Hearth Attack Prediction Project

• اولین قدم برای پروژه پیش بینی حمله به قلب First Step to the Hearth Attack Prediction Project

• سوالات متداول در مورد یادگیری ماشین، علم داده FAQ about Machine Learning, Data Science

• طراحی نوت بوک برای استفاده در پروژه Notebook Design to be Used in the Project

• فایل لینک پروژه - پروژه پیش بینی حمله به قلب، یادگیری ماشینی Project Link File - Hearth Attack Prediction Project, Machine Learning

• بررسی موضوع پروژه Examining the Project Topic

• شناسایی متغیرها در مجموعه داده Recognizing Variables In Dataset

• امتحان Quiz

سازمان اول First Organization

• کتابخانه های مورد نیاز پایتون Required Python Libraries

• بارگیری مجموعه داده های آماری در علم داده Loading the Statistics Dataset in Data Science

• تجزیه و تحلیل اولیه روی مجموعه داده Initial analysis on the dataset

• امتحان Quiz

آماده سازی برای تجزیه و تحلیل داده های اکتشافی (EDA) در علم داده Preparation For Exploratory Data Analysis (EDA) in Data Science

• بررسی ارزش های گمشده Examining Missing Values

• بررسی ارزش های منحصر به فرد Examining Unique Values

• جداسازی متغیرها (عددی یا طبقه ای) Separating variables (Numeric or Categorical)

• بررسی آمار متغیرها Examining Statistics of Variables

• امتحان Quiz

تجزیه و تحلیل داده های اکتشافی (EDA) - تجزیه و تحلیل تک متغیره Exploratory Data Analysis (EDA) - Uni-variate Analysis

• متغیرهای عددی (تحلیل با Distplot): درس 1 Numeric Variables (Analysis with Distplot): Lesson 1

• متغیرهای عددی (تحلیل با Distplot): درس 2 Numeric Variables (Analysis with Distplot): Lesson 2

• متغیرهای طبقه بندی شده (تحلیل با نمودار دایره ای): درس 1 Categoric Variables (Analysis with Pie Chart): Lesson 1

• متغیرهای دسته بندی (تحلیل با نمودار دایره ای): درس 2 Categoric Variables (Analysis with Pie Chart): Lesson 2

• بررسی داده های از دست رفته بر اساس نتایج تجزیه و تحلیل Examining the Missing Data According to the Analysis Result

• امتحان Quiz

تجزیه و تحلیل داده های اکتشافی (EDA) - تجزیه و تحلیل دو متغیره Exploratory Data Analysis (EDA) - Bi-variate Analysis

• متغیرهای عددی – متغیر هدف (تحلیل با FacetGrid): درس 1 Numeric Variables – Target Variable (Analysis with FacetGrid): Lesson 1

• متغیرهای عددی – متغیر هدف (تحلیل با FacetGrid): درس 2 Numeric Variables – Target Variable (Analysis with FacetGrid): Lesson 2

• متغیرهای طبقه بندی – متغیر هدف (تحلیل با نمودار شمارش): درس 1 Categoric Variables – Target Variable (Analysis with Count Plot): Lesson 1

• متغیرهای دسته‌بندی – متغیر هدف (تحلیل با نمودار شمارش): درس 2 Categoric Variables – Target Variable (Analysis with Count Plot): Lesson 2

• بررسی متغیرهای عددی در بین خود (تحلیل با نمودار زوجی) درس 1 Examining Numeric Variables Among Themselves (Analysis with Pair Plot) Lesson 1

• بررسی متغیرهای عددی در بین خود (تحلیل با نمودار زوجی) درس 2 Examining Numeric Variables Among Themselves (Analysis with Pair Plot) Lesson 2

• مقیاس‌بندی ویژگی با روش مقیاس‌کننده قوی Feature Scaling with the Robust Scaler Method

• ایجاد یک DataFrame جدید با تابع Melt(). Creating a New DataFrame with the Melt() Function

• متغیرهای عددی - دسته بندی (تحلیل با نمودار ازدحام): درس 1 Numerical - Categorical Variables (Analysis with Swarm Plot): Lesson 1

• متغیرهای عددی - دسته بندی (تحلیل با نمودار ازدحام): درس 2 Numerical - Categorical Variables (Analysis with Swarm Plot): Lesson 2

• متغیرهای عددی - دسته بندی (تحلیل با نمودار جعبه): درس 1 Numerical - Categorical Variables (Analysis with Box Plot): Lesson 1

• متغیرهای عددی - دسته بندی (تحلیل با نمودار جعبه): درس 2 Numerical - Categorical Variables (Analysis with Box Plot): Lesson 2

• روابط بین متغیرها (تحلیل با نقشه حرارتی): درس 1 Relationships between variables (Analysis with Heatmap): Lesson 1

• روابط بین متغیرها (تحلیل با نقشه حرارتی): درس 2 Relationships between variables (Analysis with Heatmap): Lesson 2

• امتحان Quiz

آمادگی برای مدلسازی در یادگیری ماشینی Preparation for Modelling in Machine Learning

• رها کردن ستون ها با همبستگی کم Dropping Columns with Low Correlation

• تجسم نقاط پرت Visualizing Outliers

• برخورد با موارد پرت – متغیر Trtbps: درس 1 Dealing with Outliers – Trtbps Variable: Lesson 1

• برخورد با موارد پرت – متغیر Trtbps: درس 2 Dealing with Outliers – Trtbps Variable: Lesson 2

• برخورد با موارد دور از دسترس - متغیر Thalach Dealing with Outliers – Thalach Variable

• برخورد با موارد دور از دسترس - متغیر Oldpeak Dealing with Outliers – Oldpeak Variable

• تعیین توزیع متغیرهای عددی Determining Distributions of Numeric Variables

• عملیات تبدیل بر روی داده های نامتقارن Transformation Operations on Unsymmetrical Data

• استفاده از یک روش کدگذاری داغ برای متغیرهای طبقه بندی شده Applying One Hot Encoding Method to Categorical Variables

• مقیاس‌بندی ویژگی با روش مقیاس‌کننده قوی برای الگوریتم‌های یادگیری ماشین Feature Scaling with the Robust Scaler Method for Machine Learning Algorithms

• جداسازی داده ها به مجموعه تست و آموزش Separating Data into Test and Training Set

• امتحان Quiz

مدل سازی برای یادگیری ماشین Modelling for Machine Learning

• رگرسیون لجستیک Logistic Regression

• اعتبار سنجی متقابل Cross Validation

• منحنی راک و ناحیه زیر منحنی (AUC) Roc Curve and Area Under Curve (AUC)

• بهینه سازی هایپرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

• الگوریتم درخت تصمیم Decision Tree Algorithm

• الگوریتم ماشین برداری پشتیبانی Support Vector Machine Algorithm

• الگوریتم جنگل تصادفی Random Forest Algorithm

• بهینه سازی هایپرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

• امتحان Quiz

نتیجه Conclusion

• نتیجه گیری و به اشتراک گذاری پروژه Project Conclusion and Sharing

• امتحان Quiz

اضافی Extra

• یادگیری ماشینی با پروژه پیش بینی حمله واقعی قلب Machine Learning with Real Hearth Attack Prediction Project