آموزش رگرسیون لجستیک (با زبان برنامه نویسی پایتون)

این محصول آموزشی در ارتباط با آموزش یکی از روش های مدلسازی داده ها، رگرسیون لجستیک است و نحوه پیاده سازی آن در پایتون را توضیح می دهد. رگرسیون لجستیک یک روش یادگیری ماشین است که در مسئله طبقه بندی هنگامی که شما باید یک کلاس را از کلاس دیگر تشخیص دهید، استفاده می شود. ساده ترین حالت یک طبقه بندی باینری است. این مانند سوالی است که می توانیم با “بله” یا “نه” به آن پاسخ دهیم. ما فقط دو کلاس داریم: یک کلاس صفر و یک کلاس یک. معمولاً کلاس یک به وجود برخی موجودیت ها اشاره دارد در حالی که کلاس صفر به نبود آن اشاره دارد. از این نوع رگرسیون در علوم های مختلف استفاده می شود.

این ویدیو رگرسیون لجستیک را که یکی از روش‌های Classification است و در بحث آموزش نظارت شده یاSupervised Machine Learning  دسته بندی می ­شود، توضیح می دهد.

مشخصات محصول:

• مدرس: معصومه واحدی
• تخصص: کارشناس ارشد مهندسی محیط زیست – ارزیابی و آمایش سرزمین
• موضوع: رگرسیون لجستیک
• نرم افزار/زبان برنامه نویسی: پایتون
• مخاطب: علاقه مندان به برنامه نویسی در حوزه سنجش از دور و سایر حوزه ها
• نوع آموزش: ویدیویی، کدنویسی
• مدت زمان آموزش ۵۰ دقیقه
• پاورپوینت: دارد
• داده های تمرینی:‌ دارد
• پیش نیاز: آشنایی مقدمانی با پایتون

توضیحات محصول:

کاربرد این محصول آموزشی در زمینه بررسی رابطه بین یک متغیر مستقل (با مقدارهای پیوسته) با یک متغیر وابسته با مقدارهای کیفی با استفاده از رگرسیون لجستیک است. در این نوع رگرسیون  متغیر مستقل با مقدارهای کمی پیوسته و متغیر وابسته کیفی با دو مقدار ۰  و ۱ مشخص می گردد. رگرسیون لجستیک تمام موارد استفاده که داده ها باید در دسته های مختلف طبقه بندی شوند را در بر می گیرد.

بصورت کلی با استفاده از این محصول شما می توانید تکنیک های لازم برای رگرسیون لجستیک با استفاده از زبان برنامه نویسی پایتون را یاد بگیرید.

لازم به ذکر است که وقتی مدلی را با استفاده از یادگیری ماشین یا سایر روش ها می سازید، تأیید اعتبار آن با مجموعه داده های آزمون مهم است. شما باید مدل را بر روی داده هایی که الگوریتم برای اهداف آموزشی استفاده نکرده است، آزمایش کنید. همچنین برای مجموعه داده های آزمون نیز مهم است که توزیع احتمال مشابه مجموعه داده های آموزش را دنبال کنند. ساده ترین راه برای دستیابی به این هدف تقسیم داده ها به آموزش و آزمایش مجموعه داده ها است. این آموزش ویدئویی با استفاده از کتابخانه Scikit-learn این روند را در پایتون توضیح می دهد.

عناوین آموزشی:

عناوین آموزشی به شرح زیر می باشند:

• بخش اول: آشنایی با مفهوم رگرسیون لجستیک
• بخش دوم: پیش پردازش دیتاست و آماده سازی برای اجرای مدل
• بخش سوم: رگرسیون لجستیک با استفاده از کتابخانه Sci-Kit Learn در پایتون

تهیه محصول:

به منظور تهیه این محصول آموزشی بر روی گزینه زیر کلیک کرده و بلافاصله دانلود نمایید.

آموزش های زیر را در صورت تمایل ببینید:

• آموزش رگرسیون خطی با زبان برنامه نویسی پایتون
• رگرسیون: گام اول Deep Learning یا یادگیری عمیق در پایتون