آموزش رگرسیون – معرفی و انواع
12 بار بازدید -
7 روز پیش
-
FaraDars: برای دسترسی به نسخه
FaraDars: برای دسترسی به نسخه کاملتر «آموزش رگرسیون – معرفی و انواع» و دانلود فایلهای همراه آموزش روی لینک زیر کلیک کنید:
https://fdrs.ir/tdap
زمانبندی ویدئو:
0:00:00 معرفی رگرسیون و کاربردهای آن
محاسبات و مفاهیم بهکاررفته در یادگیری ماشین یا Machine Learning وامدار تکنیکهای پیشرفته آماری هستند. در این بین، رگرسیون یکی از پرکاربردترین روشهای آماری است که بهخصوص در یادگیری ماشین نظارتی به کار گرفته میشود. با توجه به نوع داده و رفتار آنها مدلهای رگرسیون متنوعی ساخته شده است. یادگیری انواع رگرسیون از چند جهت اهمیت دارد. رگرسیون ابزاری قدرتمند برای روابط بین متغیرها است. با استفاده از رگرسیون، میتوان مدلهایی بسازیم که چگونگی تاثیرگذاری یک متغیر (متغیر وابسته) بر متغیرهای دیگر (متغیرهای مستقل) را پیشبینی کند. پیشبینی مقادیر آینده، از دیگر موارد اهمیت یادگیری رگرسیون است که از طریق آن میتوان مدلهایی برای پیشبینی قیمت سهام، تقاضا برای یک محصول یا احتمال ابتلا به یک بیماری ساخت. همچنین رگرسیون ابزاری ارزشمند برای حل مسائل مختلف است. رگرسیون مدلهایی میسازد که منتج به درک بهتر یک مشکل و یافتن راهحلهای موثر در آن زمینه خواهد شد.
در این فرادرس چه چیزی یاد میگیریم؟
در این آموزش، به معرفی بعضی از مدلهای رگرسیونی محبوب خواهیم پرداخت. ابتدا منظور از متغیر وابسته و مستقل را مشخص میکنیم، سپس رگرسیون خطی ساده را معرفی کرده و پارامترهای آن را به کمک روشهای بهینهسازی ریاضیاتی بهدست میآوریم. در گامهای بعدی به معرفی تکنیک کمترین مربعات خطا (OLS) میپردازیم و آن را به عنوان الگوی برای محاسبات و برآورد پارامترهای مدلهای رگرسیونی پیجیدهتر به کار خواهیم برد.
https://fdrs.ir/tdap
زمانبندی ویدئو:
0:00:00 معرفی رگرسیون و کاربردهای آن
محاسبات و مفاهیم بهکاررفته در یادگیری ماشین یا Machine Learning وامدار تکنیکهای پیشرفته آماری هستند. در این بین، رگرسیون یکی از پرکاربردترین روشهای آماری است که بهخصوص در یادگیری ماشین نظارتی به کار گرفته میشود. با توجه به نوع داده و رفتار آنها مدلهای رگرسیون متنوعی ساخته شده است. یادگیری انواع رگرسیون از چند جهت اهمیت دارد. رگرسیون ابزاری قدرتمند برای روابط بین متغیرها است. با استفاده از رگرسیون، میتوان مدلهایی بسازیم که چگونگی تاثیرگذاری یک متغیر (متغیر وابسته) بر متغیرهای دیگر (متغیرهای مستقل) را پیشبینی کند. پیشبینی مقادیر آینده، از دیگر موارد اهمیت یادگیری رگرسیون است که از طریق آن میتوان مدلهایی برای پیشبینی قیمت سهام، تقاضا برای یک محصول یا احتمال ابتلا به یک بیماری ساخت. همچنین رگرسیون ابزاری ارزشمند برای حل مسائل مختلف است. رگرسیون مدلهایی میسازد که منتج به درک بهتر یک مشکل و یافتن راهحلهای موثر در آن زمینه خواهد شد.
در این فرادرس چه چیزی یاد میگیریم؟
در این آموزش، به معرفی بعضی از مدلهای رگرسیونی محبوب خواهیم پرداخت. ابتدا منظور از متغیر وابسته و مستقل را مشخص میکنیم، سپس رگرسیون خطی ساده را معرفی کرده و پارامترهای آن را به کمک روشهای بهینهسازی ریاضیاتی بهدست میآوریم. در گامهای بعدی به معرفی تکنیک کمترین مربعات خطا (OLS) میپردازیم و آن را به عنوان الگوی برای محاسبات و برآورد پارامترهای مدلهای رگرسیونی پیجیدهتر به کار خواهیم برد.
7 روز پیش
در تاریخ 1403/10/20 منتشر شده
است.
12
بـار بازدید شده
اطلاعرسانی مشکل