سپنتا کتاب اکسپرس
کتاب رگرسیون لجستیک: گام به گام با مفاهیم، الگوریتم‌ها و مثال‌ها

کتاب رگرسیون لجستیک: گام به گام با مفاهیم، الگوریتم‌ها و مثال‌ها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رگرسیون لجستیک: گام به گام با مفاهیم، الگوریتم‌ها و مثال‌ها

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: رگرسیون لجستیک (Logistic Regression)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر رگرسیون لجستیک
  • 2. تعریف متغیر وابسته در رگرسیون لجستیک
  • 3. فهمیدن متغیرهای مستقل
  • 4. کاربرد رگرسیون لجستیک در دنیای واقعی
  • 5. مزایای رگرسیون لجستیک
  • 6. محدودیت های رگرسیون لجستیک
  • 7. رگرسیون لجستیک در مقابل رگرسیون خطی
  • 8. تفاوت های کلیدی
  • 9. شباهت های رگرسیون لجستیک و خطی
  • 10. تاریخچه مختصری از رگرسیون لجستیک
  • 11. مفهوم تابع سیگموئید
  • 12. فرمول تابع سیگموئید
  • 13. تفسیر خروجی تابع سیگموئید
  • 14. تبدیل خروجی به احتمال
  • 15. نقطه برش (Threshold) در رگرسیون لجستیک
  • 16. اهمیت نقطه برش
  • 17. تغییر نقطه برش و تاثیر آن
  • 18. توابع هزینه در رگرسیون لجستیک
  • 19. مفهوم تابع زیان (Loss Function)
  • 20. زیان لگاریتمی (Log Loss)
  • 21. چرا زیان لگاریتمی؟
  • 22. فرمول زیان لگاریتمی
  • 23. روش گرادیان کاهشی (Gradient Descent)
  • 24. مفهوم گرادیان
  • 25. نحوه محاسبه گرادیان
  • 26. نرخ یادگیری (Learning Rate)
  • 27. انتخاب نرخ یادگیری مناسب
  • 28. تنظیم پارامترهای مدل (وزن ها و بایاس)
  • 29. فرآیند بهینه سازی
  • 30. حل مسائل با رگرسیون لجستیک: مثال کلاسیک
  • 31. مشکل پیش بینی بیماری قلبی
  • 32. داده های مورد نیاز
  • 33. آماده سازی داده ها
  • 34. انتخاب ویژگی ها
  • 35. تقسیم داده ها به مجموعه آموزش و آزمون
  • 36. مدل سازی با رگرسیون لجستیک
  • 37. آموزش مدل
  • 38. ارزیابی عملکرد مدل
  • 39. معیارهای ارزیابی
  • 40. دقت (Accuracy)
  • 41. حساسیت (Sensitivity / Recall)
  • 42. ویژگی (Specificity)
  • 43. امتیاز F1 (F1 Score)
  • 44. منحنی ROC و AUC
  • 45. مفهوم منحنی ROC
  • 46. منطقه زیر منحنی (AUC)
  • 47. تفسیر ROC و AUC
  • 48. مفهوم Overfitting و Underfitting
  • 49. چگونه از Overfitting جلوگیری کنیم؟
  • 50. Regularization (تنظیم یا منظم سازی)
  • 51. L1 Regularization (Lasso)
  • 52. L2 Regularization (Ridge)
  • 53. تفاوت L1 و L2
  • 54. تنظیم پارامترهای Regularization
  • 55. رگرسیون لجستیک برای بیش از دو دسته (Multinomial Logistic Regression)
  • 56. رویکرد One-vs-Rest (OvR)
  • 57. رویکرد Softmax
  • 58. مقایسه OvR و Softmax
  • 59. پیاده سازی رگرسیون لجستیک با پایتون (Scikit-learn)
  • 60. وارد کردن کتابخانه ها
  • 61. بارگذاری داده ها
  • 62. پیش پردازش داده ها
  • 63. تقسیم داده ها
  • 64. ایجاد و آموزش مدل
  • 65. پیش بینی
  • 66. ارزیابی مدل
  • 67. مثال عملی: پیش بینی خرید کالا
  • 68. مجموعه داده نمونه
  • 69. تعریف متغیرهای مستقل و وابسته
  • 70. فرایند آموزش
  • 71. تفسیر نتایج
  • 72. مثال عملی: تشخیص اسپم ایمیل
  • 73. مجموعه داده نمونه
  • 74. ویژگی های متنی
  • 75. آماده سازی داده های متنی
  • 76. آموزش و ارزیابی مدل
  • 77. تحلیل حساسیت به داده های پرت (Outliers)
  • 78. تاثیر داده های پرت بر مدل
  • 79. روش های مدیریت داده های پرت
  • 80. رگرسیون لجستیک و مقیاس پذیری
  • 81. زمان اجرا و پیچیدگی محاسباتی
  • 82. کاربرد در مجموعه داده های بزرگ
  • 83. محدودیت های رگرسیون لجستیک در مسائل پیچیده
  • 84. زمانی که رگرسیون لجستیک کافی نیست
  • 85. معرفی الگوریتم های جایگزین
  • 86. مدل های مبتنی بر درخت تصمیم
  • 87. ماشین های بردار پشتیبان (SVM)
  • 88. شبکه های عصبی
  • 89. رگرسیون لجستیک در داده های سری زمانی
  • 90. چالش های استفاده در سری زمانی
  • 91. راهکارهای احتمالی
  • 92. مباحث پیشرفته در رگرسیون لجستیک
  • 93. کشف ویژگی های تعاملی
  • 94. تفسیرپذیری مدل
  • 95. تکنیک های توضیح پذیری مدل (XAI)
  • 96. مقایسه رگرسیون لجستیک با سایر الگوریتم های طبقه بندی
  • 97. رگرسیون لجستیک در مقابل K-نزدیکترین همسایه (KNN)
  • 98. رگرسیون لجستیک در مقابل درخت تصمیم
  • 99. رگرسیون لجستیک در مقابل Naive Bayes
  • 100. رگرسیون لجستیک در مقابل SVM

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.