دوره انتخاب مدل بهینه رگرسیون تحت شرایط کلی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب انتخاب مدل بهینه رگرسیون تحت شرایط کلی

موضوع کلی: روش‌های آماری پیشرفته

موضوع میانی: انتخاب مدل در رگرسیون

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مبانی آمار و پیش‌نیازها
• 2. آشنایی با رگرسیون خطی ساده
• 3. رگرسیون چندگانه: مفاهیم و فرمول‌ها
• 4. بررسی مفروضات رگرسیون خطی
• 5. آزمون‌های تشخیص نقض مفروضات
• 6. تبدیل متغیرها برای رفع نقض مفروضات
• 7. بررسی داده‌های پرت و تأثیر آن‌ها
• 8. معرفی انتخاب مدل در رگرسیون
• 9. معیارهای ارزیابی مدل: R-squared و Adjusted R-squared
• 10. آشنایی با خطای استاندارد و فاصله اطمینان
• 11. مفهوم Bias-Variance Tradeoff
• 12. مروری بر انواع داده‌ها و مقیاس‌های اندازه‌گیری
• 13. معرفی مفهوم Overfitting و Underfitting
• 14. روش‌های اعتبارسنجی متقابل (Cross-Validation)
• 15. انتخاب زیرمجموعه مدل (Subset Selection)
• 16. روش‌های گام به گام (Stepwise Methods)
• 17. رگرسیون پل (Ridge Regression)
• 18. رگرسیون لاسو (Lasso Regression)
• 19. رگرسیون الاستیک نت (Elastic Net Regression)
• 20. مقایسه رگرسیون پل، لاسو و الاستیک نت
• 21. معیارهای اطلاعاتی: AIC، BIC
• 22. انتخاب مدل بر اساس AIC و BIC
• 23. روش‌های مبتنی بر Bootstrap برای انتخاب مدل
• 24. ارزیابی عملکرد مدل با استفاده از Bootstrap
• 25. بهبود پایداری مدل با Bootstrap
• 26. انتخاب مدل بر اساس پیش‌بینی (Prediction-Based Methods)
• 27. معیارهای پیش‌بینی: MSE، RMSE
• 28. اعتبار سنجی مدل با استفاده از داده‌های جدید
• 29. مدل‌های رگرسیون وزنی (Weighted Regression)
• 30. رگرسیون کوانتایل (Quantile Regression)
• 31. رگرسیون چندجمله‌ای
• 32. مدل‌های رگرسیون غیرخطی
• 33. رگرسیون لجستیک
• 34. رگرسیون پواسون
• 35. مدل‌های اثرات ثابت و اثرات تصادفی
• 36. مدل‌های داده‌های پانلی
• 37. معرفی انتخاب مدل تحت شرایط کلی
• 38. فرضیات آماری و اهمیت آن‌ها
• 39. تخمین‌زن‌های سازگار (Consistent Estimators)
• 40. انتخاب مدل و تورش تخمین
• 41. معرفی آزمون‌های فرض آماری
• 42. آزمون‌های Wald، Likelihood Ratio و Lagrange Multiplier
• 43. قدرت آزمون و اندازه نمونه
• 44. اثرات چندهمخطی (Multicollinearity)
• 45. تشخیص و برخورد با چندهمخطی
• 46. معرفی روش‌های انتخاب مدل مبتنی بر اطلاعات (Information-Based Methods)
• 47. ویژگی‌های AIC و BIC در انتخاب مدل
• 48. توسعه‌ی AIC و BIC برای مدل‌های پیچیده
• 49. انتخاب مدل با استفاده از کربنومک (Kullback-Leibler Divergence)
• 50. روش‌های انتخاب مدل برای داده‌های با ابعاد بالا (High-Dimensional Data)
• 51. انتخاب متغیرها با استفاده از Lasso و Ridge در داده‌های ابعاد بالا
• 52. روش‌های انتخاب مدل برای داده‌های سری زمانی
• 53. اعتبارسنجی مدل در سری زمانی
• 54. انتخاب مدل برای داده‌های ساختاری (Structural Data)
• 55. معرفی مدل‌های ساختاری
• 56. ارزیابی عملکرد مدل‌های ساختاری
• 57. مدل‌های ترکیبی (Ensemble Methods)
• 58. رگرسیون جنگل تصادفی (Random Forest Regression)
• 59. Boosting در رگرسیون
• 60. انتخاب مدل با استفاده از Boosting
• 61. مدل‌های یادگیری ماشین برای انتخاب مدل
• 62. شبکه‌های عصبی در انتخاب مدل
• 63. بهینه‌سازی هایپرپارامترها
• 64. روش‌های بهینه‌سازی مبتنی بر گرادیان
• 65. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 66. مقایسه روش‌های مختلف انتخاب مدل
• 67. انتخاب مدل در شرایط نقض مفروضات
• 68. مواجهه با داده‌های گمشده
• 69. روش‌های Imputation
• 70. انتخاب مدل در حضور داده‌های گمشده
• 71. انتخاب مدل برای داده‌های نامتعادل
• 72. روش‌های نمونه‌برداری مجدد
• 73. انتخاب مدل در محیط‌های غیرایستا
• 74. آزمون پایداری مدل
• 75. انتخاب مدل در شرایط حضور داده‌های پرت
• 76. روش‌های Robust Regression
• 77. مقایسه روش‌های Robust
• 78. استفاده از مقیاس‌ها برای بهبود انتخاب مدل
• 79. انتخاب مدل با استفاده از نرم‌افزارهای آماری (R, Python)
• 80. کتابخانه‌های R برای انتخاب مدل
• 81. کتابخانه‌های Python برای انتخاب مدل
• 82. مراحل پیاده‌سازی یک پروژه انتخاب مدل رگرسیون
• 83. جمع‌آوری و آماده‌سازی داده‌ها
• 84. انتخاب متغیرها
• 85. ساخت مدل
• 86. ارزیابی و اعتبارسنجی مدل
• 87. بهینه‌سازی مدل
• 88. نوشتن گزارش
• 89. ارائه نتایج
• 90. چالش‌های انتخاب مدل در دنیای واقعی
• 91. مدل‌های پیچیده و تفسیرپذیری
• 92. اخلاقیات در انتخاب مدل
• 93. آینده انتخاب مدل در رگرسیون
• 94. یادگیری انتقال (Transfer Learning)
• 95. یادگیری چندوظیفه‌ای (Multi-Task Learning)
• 96. جمع‌بندی و نتیجه‌گیری
• 97. مطالعه موردی: انتخاب مدل در پیش‌بینی قیمت مسکن
• 98. مطالعه موردی: انتخاب مدل در پزشکی
• 99. مطالعه موردی: انتخاب مدل در بازاریابی
• 100. منابع و مراجع