یادگیری ماشین با پایتون: رگرسیون لجستیک

مدرس Frederick Nwanganga

انتشار 2022/11/09

به‌روز‌رسانی 2024/04/29

مدت زمان 1h 19m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Machine Learning with Python: Logistic Regression

آیا به دنبال راهی عملی برای استفاده از یادگیری ماشین برای حل مشکلات پیچیده دنیای واقعی هستید؟ رگرسیون لجستیک رویکردی برای یادگیری ماشینی تحت نظارت است که مقادیر انتخاب شده را برای پیش‌بینی نتایج احتمالی مدل‌سازی می‌کند. در این دوره، فردریک نوانگانگا، استاد نوتردام، راهنمای گام به گام نحوه ساخت یک مدل رگرسیون لجستیک با استفاده از پایتون را در اختیار شما قرار می دهد. نکات عملی برای جمع آوری، کاوش، و تبدیل داده های خود را قبل از شروع بیاموزید. در پایان این دوره، شما مهارت های فنی برای دانستن زمان و نحوه طراحی، ساخت، ارزیابی و مدیریت موثر یک مدل رگرسیون لجستیک را به تنهایی خواهید داشت.این دوره با GitHub یکپارچه شده است. Codespaces، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

Logistic Regression Machine Learning Python (Programming Language)

Introduction

Classifying data with logistic regression ()

What you should know ()

Using the exercise files ()

Using GitHub Codespaces with this course ()

1. Regression

What is regression? ()

The anatomy of a regression model ()

Common types of regression ()

2. Logistic Regression

What is logistic regression? ()

Making predictions with logistic regression ()

Interpreting the coefficients of logistic regression ()

Why and when to use logistic regression ()

3. Classifying Data with Logistic Regression

How to explore data for logistic regression in Python ()

How to prepare data for logistic regression in Python ()

How to build a logistic regression model in Python ()

How to interpret a logistic regression model in Python ()

Conclusion

Next steps ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش یادگیری ماشین با پایتون: رگرسیون لجستیک

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Machine Learning with Python: Logistic Regression در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

در طراحی و ساخت الگوریتم های یادگیری ماشین غوطه ور شوید. این مسیر یادگیری نشان می دهد که الگوریتم های یادگیری ماشین چگونه کار می کنند و چگونه خودتان آنها را طراحی کنید. چیزهای زیادی برای یادگیری در این زمینه به سرعت در حال رشد و جستجو وجود دارد، و این دوره ها مجموعه مهارت های بسیار قوی را به شما می دهد.

آموزش یادگیری ماشین با پایتون: رگرسیون لجستیک ، ایستگاه شماره 4 در مسیر یادگیری مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید

با پایتون وارد دنیای یادگیری ماشین شوید. این مسیر یادگیری گسترده همه چیز را از اصول اولیه گرفته تا الگوریتم های پیشرفته را پوشش می دهد و هم دانش نظری و هم تجربه عملی را ارائه می دهد. چه در این زمینه تازه کار باشید و چه یک حرفه ای باتجربه، این سفر شما را به مهارت های مورد نیاز برای موفقیت در برنامه های کاربردی دنیای واقعی مجهز می کند.

آموزش یادگیری ماشین با پایتون: رگرسیون لجستیک ، ایستگاه شماره 3 در مسیر یادگیری با پایتون برای هوش مصنوعی و یادگیری ماشین توسعه دهید ، است.

مسیر یادگیری با پایتون برای هوش مصنوعی و یادگیری ماشین توسعه دهید