در این مطلب، ویدئو Python🐍 منحنی رگرسیون غیرخطی برازش 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: 00:14:22
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:01,680
یکی از کارهای بسیار مهمی که
2
00:00:01,680 –> 00:00:03,689
دانشمندان و مهندسان باید
3
00:00:03,689 –> 00:00:06,420
بتوانند انجام دهند این است که اطلاعات مفید و
4
00:00:06,420 –> 00:00:09,360
عملی واقعی را از داده ها استخراج کنند و یکی
5
00:00:09,360 –> 00:00:11,010
از راه های انجام این کار این است که
6
00:00:11,010 –> 00:00:14,040
رگرسیون ها یا فرم هایی از معادلات را تشکیل دهیم که در آن
7
00:00:14,040 –> 00:00:16,560
ضرایب مختلف را برازش
8
00:00:16,560 –> 00:00:19,619
کنیم. در این مورد، ما مقداری
9
00:00:19,619 –> 00:00:21,600
داده ضربان قلب برای یک بیمار داریم و میخواهیم
10
00:00:21,600 –> 00:00:24,210
بتوانیم یک همبستگی با آن تنظیم
11
00:00:24,210 –> 00:00:27,869
کنیم، شاید بخواهیم از آن
12
00:00:27,869 –> 00:00:30,660
پارامترهایی استفاده کنیم که برای
13
00:00:30,660 –> 00:00:32,790
مطابقت با دادهها تنظیم کردهایم تا
14
00:00:32,790 –> 00:00:34,890
پیشبینی کنیم. یا کار دیگری با
15
00:00:34,890 –> 00:00:39,270
آن دوقلوی دیجیتالی فرآیند انجام دهید، بنابراین
16
00:00:39,270 –> 00:00:41,610
ما این مشکل رگرسیون غیرخطی را
17
00:00:41,610 –> 00:00:43,260
داریم که
18
00:00:43,260 –> 00:00:45,000
اگر میخواهید دنبال کنید، همینجا
19
00:00:45,000 –> 00:00:47,780
با آن مواجه میشویم، فقط به وبسایت دوره بیایید
20
00:00:47,780 –> 00:00:52,829
و این طبق برنامه خواهد بود و
21
00:00:52,829 –> 00:00:55,680
این یکی مشکل شماره یک
22
00:00:55,680 –> 00:00:58,530
تکلیف شماره چهار است و
23
00:00:58,530 –> 00:01:01,079
اطلاعات کمی در اینجا در قسمت
24
00:01:01,079 –> 00:01:02,239
منحنی فیتینگ
25
00:01:02,239 –> 00:01:06,659
وجود دارد، اکسل برای برازش کرک وجود دارد یا اگر
26
00:01:06,659 –> 00:01:08,670
می خواهید MATLAB یا
27
00:01:08,670 –> 00:01:12,150
P را دنبال کنید. ython سپس شما فقط اینها را برای
28
00:01:12,150 –> 00:01:16,759
رگرسیون چند جمله ای یا غیرخطی
29
00:01:16,759 –> 00:01:19,619
انتخاب می کنید
30
00:01:19,619 –> 00:01:21,990
بسیار خوب و اگر می خواهید کد منبع را نیز در آنجا دنبال
31
00:01:21,990 –> 00:01:25,799
کنید می توانید آن را از github دریافت کنید یا
32
00:01:25,799 –> 00:01:29,640
می توانید پیوند Google collab را
33
00:01:29,640 –> 00:01:32,790
که دقیقاً در اینجا CL است انتخاب کنید. برای و که
34
00:01:32,790 –> 00:01:35,909
نوتبوک پایتون را در یک
35
00:01:35,909 –> 00:01:37,229
مرورگر وب باز میکند، شما نیازی به نصب
36
00:01:37,229 –> 00:01:39,630
چیزی ندارید خوب، بیایید این
37
00:01:39,630 –> 00:01:41,310
مشکل شماره یک را مرور کنیم، ما دادههای ضربان قلب
38
00:01:41,310 –> 00:01:44,310
را به عنوان تابعی از زمان برای یک
39
00:01:44,310 –> 00:01:48,240
دوره 20 دقیقهای تلاش ثابت داریم، خوب
40
00:01:48,240 –> 00:01:50,490
اینجاست URL درست در اینجا می توانید
41
00:01:50,490 –> 00:01:52,470
فقط آن پیوند را انتخاب کنید و آن را دانلود
42
00:01:52,470 –> 00:01:54,930
کنید یا فقط می توانید از پانداها برای
43
00:01:54,930 –> 00:01:59,549
وارد کردن آن استفاده کنید بنابراین من پانداها را
44
00:01:59,549 –> 00:02:04,350
به عنوان PD وارد می کنم و سپس PD خواندن CSV را انجام می دهم و
45
00:02:04,350 –> 00:02:09,720
فقط قرار می دهم در URL من خوب است، بنابراین
46
00:02:09,720 –> 00:02:12,890
فایل دادههای من وجود دارد و
47
00:02:12,890 –> 00:02:17,950
میتوانید 241 ردیف را با خلاصهای از
48
00:02:17,950 –> 00:02:24,010
برخی از خروجیها در آنجا ببینید، خوب، من همچنین میتوانم PD را انجام دهم،
49
00:02:24,010 –> 00:02:29,060
اوه، باید آن را به یک متغیر اختصاص
50
00:02:29,060 –> 00:02:34,310
دهم، اجازه دهید فقط آن را به عنوان X نامگذاری کنیم.
51
00:02:34,310 –> 00:02:36,080
این فقط داده
52
00:02:36,080 –> 00:02:38,720
هایی را که در نمک انجام می دهید چاپ می کند و آن را به یک قاب داده اختصاص دهید
53
00:02:38,720 –> 00:02:42,050
که من آن را X نامگذاری
54
00:02:42,050 –> 00:02:46,070
میکنم، خوب حالا پنج ردیف اول
55
00:02:46,070 –> 00:02:50,720
را نیز چاپ میکنم، فقط سر نقطه X را انجام میدهم و
56
00:02:50,720 –> 00:02:53,709
همچنین میتوانم سه ردیف آخر را نیز انجام دهم.
57
00:02:53,709 –> 00:02:57,769
خوب، با X dot tail
58
00:02:57,769 –> 00:02:59,739
اگر معمولاً آن را خاموش می کنید، پنج مشکل به شما می دهد،
59
00:02:59,739 –> 00:03:04,489
بنابراین خوب است، بنابراین سر
60
00:03:04,489 –> 00:03:05,570
و دم وجود دارد، فقط
61
00:03:05,570 –> 00:03:07,370
آخرین چیزی را که در
62
00:03:07,370 –> 00:03:11,030
آنجا دارید چاپ می کند یا می توانید در صورتی که در
63
00:03:11,030 –> 00:03:13,510
نسخه چاپی اینطور نیست انجام دهید.
64
00:03:13,510 –> 00:03:17,480
خروجی فرمتشدهای که میدانید را به شما میدهیم، بهطوریکه فقط
65
00:03:17,480 –> 00:03:21,829
دستور چاپ
66
00:03:21,829 –> 00:03:23,840
را کنار گذاشتیم، بنابراین پنج مورد اول وجود دارد و اگر میخواهیم
67
00:03:23,840 –> 00:03:26,000
آمار خلاصهای را ببینیم، ادامه میدهم
68
00:03:26,000 –> 00:03:28,160
و فقط یک سلول زیر را وارد میکنم
69
00:03:28,160 –> 00:03:33,470
و نقطه X را خوب توصیف میکنیم. یک
70
00:03:33,470 –> 00:03:36,140
آمار خلاصه برای زمان وجود دارد و سپس برای
71
00:03:36,140 –> 00:03:38,030
ضربان قلب، کمی توزیع و ضربان قلب را به ما می دهد
72
00:03:38,030 –> 00:03:40,370
73
00:03:40,370 –> 00:03:42,920
و همچنین مقادیر زمانی را ادامه می دهیم
74
00:03:42,920 –> 00:03:44,930
و فقط به مورد بعدی برویم
75
00:03:44,930 –> 00:03:46,310
، تابعی ایجاد می کند که
76
00:03:46,310 –> 00:03:48,260
پیش بینی شده را برمی گرداند. ضربان در دقیقه با توجه به
77
00:03:48,260 –> 00:03:51,680
زمان T و چهار c خیلی خوب است، بنابراین در
78
00:03:51,680 –> 00:03:56,980
این مورد، ما فقط میخواهیم این
79
00:03:56,980 –> 00:04:00,170
همبستگی را در اینجا داشته باشیم و بنابراین
80
00:04:00,170 –> 00:04:04,430
میخواهیم آن را بهعنوان تعریف ضربانهای جدید خود
81
00:04:04,430 –> 00:04:07,040
در دقیقه قرار دهیم و این
82
00:04:07,040 –> 00:04:12,980
تابع زمان و C 0 C 1 C 2 و C 3
83
00:04:12,980 –> 00:04:16,430
و
84
00:04:16,430 –> 00:04:23,960
سپس C 0 به اضافه C را 1 برابر t منهای C 2
85
00:04:23,960 –> 00:04:26,330
برابر NP
86
00:04:26,330 –> 00:04:30,889
برگردانیم هنوز numpy وارد نشده است، بنابراین اجازه
87
00:04:30,889 –> 00:04:33,199
دهید من ادامه دهم و به طور معمول این
88
00:04:33,199 –> 00:04:38,449
کار را انجام دهم. این کار را
89
00:04:38,449 –> 00:04:42,080
در اینجا انجام می دهم، خوب، من این
90
00:04:42,080 –> 00:04:44,750
تابع جدید را تعریف کرده ام و چند ضرایب ناشناخته از
91
00:04:44,750 –> 00:04:47,599
C 0 تا C 3 دارم، سپس می
92
00:04:47,599 –> 00:04:49,280
خواهیم آن را تنظیم کنیم تا با این
93
00:04:49,280 –> 00:04:51,770
مقادیر ضربان قلب مطابقت داشته باشیم، اکنون باید
94
00:04:51,770 –> 00:04:54,050
این مقادیر حدس خوبی را به خوبی بدست آوریم. من
95
00:04:54,050 –> 00:04:55,969
دادهها را در تابع قبل از حل کردن رسم میکنم
96
00:04:55,969 –> 00:04:57,490
و ما خوب هستیم و
97
00:04:57,490 –> 00:05:02,240
مقادیر حدسزنی را در اینجا انجام میدهیم که حدس ما
98
00:05:02,240 –> 00:05:07,340
برابر است با 100 0.01
99
00:05:07,340 –> 00:05:10,490
100 و نقطه صفر خوب است، بنابراین آنها
100
00:05:10,490 –> 00:05:13,330
مقادیر مهمان ما خواهند بود. برای چهار مورد بسیار
101
00:05:13,330 –> 00:05:16,430
خوب است و سپس کاری که ما میخواهیم انجام دهیم این است
102
00:05:16,430 –> 00:05:19,629
که شما میدانید دادهها و تابع را رسم کنید،
103
00:05:19,629 –> 00:05:23,419
بنابراین اجازه دهید a سر بزنید و این کار را انجام دهید، من ادامه میدهم
104
00:05:23,419 –> 00:05:28,279
و فقط طرح mat plot lib
105
00:05:28,279 –> 00:05:34,870
dot pie را بهعنوان PLT وارد میکنم و سپس
106
00:05:34,870 –> 00:05:38,740
matplotlib را در خط
107
00:05:38,740 –> 00:05:43,659
وارد میکنم، بنابراین در داخل دفترچه یادداشت ipython
108
00:05:43,659 –> 00:05:46,430
کاملاً خوب نشان داده میشود و سپس بیایید ادامه دهیم و
109
00:05:46,430 –> 00:05:51,919
فقط طرح نقطهای PLT را انجام دهیم. و من X داشتم و اگر
110
00:05:51,919 –> 00:05:56,150
به این مورد اول برگردم، زمان
111
00:05:56,150 –> 00:05:59,210
بر حسب ثانیه و ضربان قلب و ضربان در
112
00:05:59,210 –> 00:06:02,139
دقیقه دارم، بنابراین فقط به اولین
113
00:06:02,139 –> 00:06:05,240
هدر اینجا نیاز دارم، فقط آن را در پایین کپی می
114
00:06:05,240 –> 00:06:09,529
کنم، اجازه دهید فقط X را به عنوان یک تابع انجام دهیم. از
115
00:06:09,529 –> 00:06:14,900
زمان و ثانیه و سپس X را به عنوان
116
00:06:14,900 –> 00:06:17,779
ضربان قلب در دقیقه ترسیم می کنم، بنابراین
117
00:06:17,779 –> 00:06:20,690
اکنون ضربان قلب ضربان در دقیقه را
118
00:06:20,690 –> 00:06:25,060
در اینجا دارم و می خواهم این
119
00:06:25,060 –> 00:06:27,169
را همینجا بچسبانم و سپس اجازه دهید جلوتر برویم و
120
00:06:27,169 –> 00:06:29,990
فقط آن را خوب نشان دهیم. در اینجا دادههای ضربان قلب ما
121
00:06:29,990 –> 00:06:32,750
مقادیر x آن زمان است و
122
00:06:32,750 –> 00:06:35,719
سپس این ضربانهای ما در دقیقه است، خوب،
123
00:06:35,719 –> 00:06:37,580
بیایید ببینیم چقدر به آن نزدیک هستیم،
124
00:06:37,580 –> 00:06:40,340
فقط حدسهای اولیه
125
00:06:40,340 –> 00:06:44,690
ما که باید برای هر یک از
126
00:06:44,690 –> 00:06:51,800
آن زمانها محاسبه کنم. طولها را
127
00:06:51,800 –> 00:06:57,730
در طولهای بازهای چند برابر ببینید،
128
00:06:57,730 –> 00:07:00,230
خوب است که طول من خواهد بود من
129
00:07:00,230 –> 00:07:02,270
میخواهم برای هر کدام که
130
00:07:02,270 –> 00:07:05,150
میخواهم یک پیشبینی برای هر یک از آن
131
00:07:05,150 –> 00:07:08,270
مقادیر برای ضربان من در دقیقه ایجاد کنم
132
00:07:08,270 –> 00:07:11,330
و بنابراین ضربات در دقیقه
133
00:07:11,330 –> 00:07:14,200
پیشبینیشده فقط Y
134
00:07:14,200 –> 00:07:20,570
را صدا بزنید و سپس NP خالی انجام میدهیم و شما این را میدانید.
135
00:07:20,570 –> 00:07:22,220
طول فکر میکنم
136
00:07:22,220 –> 00:07:24,530
در اینجا زیاد از این استفاده خواهم کرد، فکر میکنم
137
00:07:24,530