رگرسیون سطح متوسط با statsmodels در پایتون
✅ سرفصل و جزئیات آموزش
رگرسیون خطی و رگرسیون لجستیک دو مورد از پرکاربردترین مدلهای آماری هستند و مانند کلیدهای اصلی، اسرار پنهان در مجموعه دادهها را باز میکنند. در این دوره، شما بر اساس مهارتهایی که در دوره «مقدمهای بر رگرسیون در پایتون با statsmodels» کسب کردهاید، به یادگیری رگرسیون خطی و لجستیک با چندین متغیر توضیحی میپردازید.
از طریق تمرینهای عملی، روابط بین متغیرها را در دیتاستهای واقعی، مانند قیمت مسکن در تایوان و مدلسازی ریزش مشتری و موارد دیگر، بررسی خواهید کرد. در پایان دوره، خواهید آموخت که چگونه چندین متغیر توضیحی را در یک مدل بگنجانید، کشف کنید که چگونه تعاملات بین متغیرها بر پیشبینیها تأثیر میگذارد و نحوه عملکرد رگرسیون خطی و لجستیک را درک کنید.
رگرسیون سطح متوسط با statsmodels در پایتون
-
رگرسیون خطی با شیبهای موازی None
-
پیشبینی شیبهای موازی None
-
ارزیابی عملکرد مدل None
-
مدلها برای هر دستهبندی None
-
یک مدل با یک تعامل None
-
انجام پیشبینیها با تعاملات None
-
پارادوکس سیمپسون None
-
دو متغیر توضیحی عددی None
-
بیش از دو متغیر توضیحی None
-
رگرسیون خطی چگونه کار میکند؟ None
-
رگرسیون لجستیک چندگانه None
-
توزیع لجستیک None
-
رگرسیون لجستیک چگونه کار میکند؟ None
-
تبریک! None
مشخصات آموزش
رگرسیون سطح متوسط با statsmodels در پایتون
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:14
- مدت زمان :4:00:00
- حجم :290.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy