توضیحات
Key Features
Become competent at implementing regression analysis in Python
Solve some of the complex data science problems related to predicting outcomes
Get to grips with various types of regression for effective data analysis
Book Description
Regression is the process of learning relationships between inputs and continuous outputs from example data, which enables predictions for novel inputs. There are many kinds of regression algorithms, and the aim of this book is to explain which is the right one to use for each set of problems and how to prepare real-world data for it. With this book you will learn to define a simple regression problem and evaluate its performance. The book will help you understand how to properly parse a dataset, clean it, and create an output matrix optimally built for regression. You will begin with a simple regression algorithm to solve some data science problems and then progress to more complex algorithms. The book will enable you to use regression models to predict outcomes and take critical business decisions. Through the book, you will gain knowledge to use Python for building fast better linear models and to apply the results in Python or in any computer language you prefer.
What you will learn
Format a dataset for regression and evaluate its performance
Apply multiple linear regression to real-world problems
Learn to classify training points
Create an observation matrix, using different techniques of data analysis and cleaning
Apply several techniques to decrease (and eventually fix) any overfitting problem
Learn to scale linear models to a big dataset and deal with incremental data
————————————————————–
ترجمه ماشینی :
ویژگی های کلیدی در اجرای تحلیل رگرسیون در پایتون صلاحیت داشته باشید برخی از مسائل پیچیده علم داده مربوط به پیش بینی نتایج را حل کنید برای تجزیه و تحلیل موثر داده ها با انواع رگرسیون مقابله کنید شرح کتاب رگرسیون فرآیند یادگیری روابط بین ورودی ها و خروجی های پیوسته از داده های نمونه، که پیش بینی ورودی های جدید را امکان پذیر می کند. انواع مختلفی از الگوریتم های رگرسیون وجود دارد، و هدف این کتاب این است که توضیح دهد کدام الگوریتم مناسب برای هر مجموعه ای از مسائل و نحوه تهیه داده های دنیای واقعی برای آن است. با این کتاب شما یاد خواهید گرفت که یک مسئله رگرسیون ساده را تعریف کنید و عملکرد آن را ارزیابی کنید. این کتاب به شما کمک میکند تا بفهمید چگونه یک مجموعه داده را به درستی تجزیه کنید، آن را تمیز کنید و یک ماتریس خروجی بهطور بهینه برای رگرسیون ایجاد کنید. شما با یک الگوریتم رگرسیون ساده شروع می کنید تا برخی از مسائل علم داده را حل کنید و سپس به سمت الگوریتم های پیچیده تر بروید. این کتاب شما را قادر می سازد تا از مدل های رگرسیون برای پیش بینی نتایج و اتخاذ تصمیمات مهم تجاری استفاده کنید. از طریق این کتاب، دانش استفاده از پایتون برای ساخت مدلهای خطی سریع و بهتر و اعمال نتایج را در پایتون یا هر زبان رایانهای که ترجیح میدهید به دست خواهید آورد. آنچه یاد خواهید گرفت یک مجموعه داده را برای رگرسیون قالب بندی کنید و عملکرد آن را ارزیابی کنید اعمال رگرسیون خطی چندگانه برای مسائل دنیای واقعی آموزش طبقه بندی نقاط آموزشی ایجاد یک ماتریس مشاهده با استفاده از تکنیک های مختلف تجزیه و تحلیل داده ها و تمیز کردن اعمال چندین تکنیک برای کاهش (و در نهایت رفع) هرگونه مشکل بیش از حد برازش یاد بگیرید که مدل های خطی را به یک مجموعه داده بزرگ مقیاس دهید و با داده های افزایشی مقابله کنید
tag : دانلود کتاب تجزیه و تحلیل رگرسیون با پایتون , Download تجزیه و تحلیل رگرسیون با پایتون , دانلود تجزیه و تحلیل رگرسیون با پایتون , Download Regression Analysis with Python Book , تجزیه و تحلیل رگرسیون با پایتون دانلود , buy تجزیه و تحلیل رگرسیون با پایتون , خرید کتاب تجزیه و تحلیل رگرسیون با پایتون , دانلود کتاب Regression Analysis with Python , کتاب Regression Analysis with Python , دانلود Regression Analysis with Python , خرید Regression Analysis with Python , خرید کتاب Regression Analysis with Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.