در این مطلب، ویدئو SPSS Modeler Portfolio Series – CART با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:13:17
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>01
[موسیقی]
2
01 =>04
سلام، من دوباره جف کوبر هستم، رئیس
3
04 =>06
علوم تحقیقاتی اینجا در گروه جهانی
4
06 =>10
و امروز یک تجزیه و تحلیل سبد خرید دارم که
5
10 =>13
یک طبقه بندی و درخت رگرسیون است،
6
13 =>17
دوباره از مدل ساز SPSS استفاده خواهیم کرد و
7
17 =>19
مانند قبل از قبل یک مدل از پیش تعیین شده دارم
8
19 =>25
که آن را ایجاد کرده است. یک پارتیشن گره اکسل
9
25 =>30
70% آموزش 30% تست
10
30 =>34
و دارای گره سبد خرید 1 است بنابراین این را اجرا
11
34 =>37
می کنیم خروجی پیش فرض خود را ایجاد می کنیم و
12
37 =>40
سپس گره را وارد می کنیم و اعلام می
13
40 =>44
کنیم تا
14
44 =>49
درصدهای طبقه بندی این الگوریتم مورد
15
49 =>52
استفاده قرار گیرد. داده های پیش فرض کارت اعتباری و
16
52 =>55
ما به جریان خود می رویم که قبلاً
17
55 =>58
ساخته شده است و گره اکسل خود را وارد می
18
58 =>01:02
کنیم و روی آن کلیک راست می کنیم و
19
01:02 =>01:05
داده های خود را
20
01:07 =>01:12
وارد می کنیم.
21
01:12 =>01:14
22
01:21 =>01:25
به فیلترها نگاه کنید
23
01:30 =>01:34
با محدودیت شناسه آموزش جنسی متعادل شروع می شود
24
01:34 =>01:36
، وضعیت را در شما
25
01:36 =>01:41
مطالعه کردید بقیه اطلاعات را خواندید سپس
26
01:41 =>01:48
با انواع پیش فرض
27
01:48 =>01:51
28
01:51 =>01:56
آنها به پایان می رسد. t ID و
29
01:56 =>02:02
آخرینهای پیشفرض ما باید هدف باشد،
30
02:02 =>02:07
پس بیایید فقط آن را بررسی کنیم و مطمئن
31
02:11 =>02:18
شویم که هدف ID را درست
32
02:20 =>02:23
میکنیم، اعمال میکنیم که اکنون باید
33
02:23 =>02:25
مقادیر را
34
02:44 =>02:47
کاملاً بخوانیم مقادیر ما خوانده میشوند
35
02:47 =>02:50
و این را اعمال میکنیم و سپس ما
36
02:50 =>02:52
37
02:58 =>03:01
دادهها را کاملاً بررسی میکنیم تا دادههای
38
03:01 =>03:06
خود را با موجودی اصلاح شناسه خود پر کنیم و
39
03:06 =>03:09
میتوانید از سمت راست به راست بخوانید
40
03:09 =>03:11
و در ستون سمت راست
41
03:11 =>03:18
ما مقدار پیشفرض خود را بالا داریم، بنابراین
42
03:20 =>03:24
از آن استفاده میکنیم و سپس کار بعدی که
43
03:24 =>03:30
انجام می دهیم این است که یک پارتیشن
44
03:31 =>03:34
[Music]
45
03:34 =>03:40
وارد کنیم و حالت پارتیشن را تقسیم کنیم 7030
46
03:40 =>03:44
[Music]
47
03:48 =>03:53
همه چیز یکسان است و اکنون
48
03:53 =>03:56
ما سبد خرید خود را وارد می کنیم، سبد خرید خود
49
04:06 =>04:10
را پیکربندی می کنیم و از
50
04:10 =>04:12
همه متغیرها استفاده می کنیم. پیشفرض
51
04:12 =>04:16
متغیر وابسته هدف است و
52
04:16 =>04:18
متغیرهای مستقل باقیمانده آنها بهعنوان
53
04:18 =>04:23
پیشبینیکنندههایی است که شما آن را میسازید. این
54
04:23 =>04:25
هدف پیشفرض
55
04:25 =>04:31
ما است.
56
04:31 =>04:35
57
04:35 =>04:37
58
04:37 =>04:41
سپس یک ماه برای صاف کردن
59
04:41 =>04:45
شاخه والدین و مام