در این مطلب، ویدئو چگونه خطای استاندارد برآورد را در پایتون محاسبه کنیم؟ 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: 00:06:16
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,290 –> 00:00:03,120
بیایید سعی کنیم این
2
00:00:03,120 –> 00:00:06,180
خطای استاندارد تخمین را محاسبه کنیم و بنابراین ابتدا این کار را
3
00:00:06,180 –> 00:00:07,500
انجام می دهیم این است که سعی می کنیم
4
00:00:07,500 –> 00:00:11,040
این مقدار پیش بینی شده و این مقدار واقعی را
5
00:00:11,040 –> 00:00:12,210
محاسبه کنیم و تفاوتی را که می
6
00:00:12,210 –> 00:00:14,580
خواهیم روی اعداد تمرکز کنیم پیدا کنیم، بنابراین
7
00:00:14,580 –> 00:00:16,379
ابتدا به آن نیاز داریم. برای پیدا کردن پارامترهایمان
8
00:00:16,379 –> 00:00:19,230
که ضرایب و ثابت های ما هستند،
9
00:00:19,230 –> 00:00:22,590
بنابراین می توانید نتایجی را بگویید که
10
00:00:22,590 –> 00:00:28,980
پارامترها واقعاً بنابراین ما یک ثابت
11
00:00:28,980 –> 00:00:32,488
داریم و ما ضریب شیب خود را داریم، بنابراین اجازه دهید
12
00:00:32,488 –> 00:00:34,290
ابتدا چارچوب داده خود را بگیریم و
13
00:00:34,290 –> 00:00:36,239
یک ستون جدید ایجاد می کنیم. m
14
00:00:36,239 –> 00:00:39,239
آن را پیش بینی شده می نامیم و این فقط
15
00:00:39,239 –> 00:00:42,930
معادل معادله ما خواهد بود، بنابراین می توانیم
16
00:00:42,930 –> 00:00:46,920
نتایج خود را نقطه گرم بگیریم و
17
00:00:46,920 –> 00:00:49,410
عنصر صفر را در اینجا بررسی می کنیم و به یاد داشته باشید
18
00:00:49,410 –> 00:00:51,930
که فقط می توانیم اضافه کنیم که معادله ما این است
19
00:00:51,930 –> 00:00:55,469
که ضریب ما به اضافه بتای 1 است.
20
00:00:55,469 –> 00:01:00,059
پارامتر یک و ما میتوانیم این را
21
00:01:00,059 –> 00:01:03,660
توسط کارشناسان خود ضرب کنیم و آن هم فقط
22
00:01:03,660 –> 00:01:05,549
قاب دادههای شما را میگیریم و این فقط
23
00:01:05,549 –> 00:01:08,760
به بازارها بازمیگردد اگر این
24
00:01:08,760 –> 00:01:12,140
در بازار بازگردد و بنابراین ما میتوانیم آنجا را اجرا
25
00:01:12,140 –> 00:01:14,490
کنیم تا ما یک چارچوب جدید داشته باشیم. ستون
26
00:01:14,490 –> 00:01:16,650
نامیده می شود پیشبینی شده است و این فقط از
27
00:01:16,650 –> 00:01:17,970
این معادله است، راه دیگری که میتوانستیم
28
00:01:17,970 –> 00:01:19,439
این کار را انجام دهیم این است که میتوانستیم در واقع
29
00:01:19,439 –> 00:01:23,189
کل معادله را در اینجا در نظر بگیریم
30
00:01:23,189 –> 00:01:25,520
و به جای اینکه
31
00:01:25,520 –> 00:01:29,579
معادله را بنویسیم، فقط میتوانیم نتایجی را بگوییم که
32
00:01:29,579 –> 00:01:33,540
پیشبینی میکنند و دوباره به خاطر بسپاریم که قبلاً
33
00:01:33,540 –> 00:01:40,049
یک معادله ایجاد کردهایم. متغیر X در اینجا قبلاً
34
00:01:40,049 –> 00:01:40,409
در اینجا،
35
00:01:40,409 –> 00:01:43,200
بنابراین این متغیر X ما و
36
00:01:43,200 –> 00:01:45,380
ثابت ما را در بر می گیرد، بنابراین ما می توانیم از آن استفاده کنیم
37
00:01:45,380 –> 00:01:50,490
و همان نتیجه را دریافت خواهیم کرد، پس
38
00:01:50,490 –> 00:01:52,020
بیایید ادامه دهیم تا ستون پیش بینی
39
00:01:52,020 –> 00:01:56,450
شده خود را اکنون داشته باشیم آنچه که می خواهیم انجام دهیم این است که یک باقیمانده را پیدا کنیم.
40
00:01:56,450 –> 00:01:58,969
باقیمانده این است که ما
41
00:01:58,969 –> 00:02:03,119
بازدهی را از اپل دریافت می کنیم، بازده اضافی
42
00:02:03,119 –> 00:02:04,619
منهای مقدار پیش بینی شده ما،
43
00:02:04,619 –> 00:02:06,240
آن باقیمانده را پیدا می کنیم، بنابراین
44
00:02:06,240 –> 00:02:08,340
یک قاب داده ستونی جدید ایجاد می کنیم و
45
00:02:08,340 –> 00:02:10,560
این رگرسیون را باقیمانده می نامیم
46
00:02:10,560 –> 00:02:13,280
47
00:02:14,060 –> 00:02:16,860
و این فقط برابر با
48
00:02:16,860 –> 00:02:21,750
قاب داده ما منهای RF ما است که
49
00:02:21,750 –> 00:02:25,470
بازدهی را می پذیرد در اپل بله
50
00:02:25,470 –> 00:02:29,970
ستون قاب فونت داده ما پیش بینی شده است و بنابراین
51
00:02:29,970 –> 00:02:31,620
ما آنچه را که
52
00:02:31,620 –> 00:02:34,829
در اینجا به نظر می رسد خروجی خواهیم داد.
53
00:02:34,829 –> 00:02:36,329
البته همیشه یک راه سادهتر وجود دارد که
54
00:02:36,329 –> 00:02:37,769
میتوانستیم به
55
00:02:37,769 –> 00:02:39,840
جای کم کردن هر دو ستون، این را نیز
56
00:02:39,840 –> 00:02:41,849
بگیریم، میتوانیم نتایج خود را
57
00:02:41,849 –> 00:02:45,930
از آن نقطه استفاده کنیم و باید دقیقاً
58
00:02:45,930 –> 00:02:51,120
همان مقدار بسیار خوبی باشد، بنابراین داریم که اکنون
59
00:02:51,120 –> 00:02:52,769
یک مقدار باقیمانده داریم و کاری که
60
00:02:52,769 –> 00:02:55,680
میخواهیم انجام دهیم این است که ما باید در
61
00:02:55,680 –> 00:02:57,030
اینجا شمارهگذار را داشته باشیم، کاری که باید انجام دهیم این است که
62
00:02:57,030 –> 00:02:58,500
به مربع نیاز داریم، بنابراین مربع
63
00:02:58,500 –> 00:03:01,650
این باقیماندهها را داشته باشیم، بنابراین برای انجام این کار، فقط
64
00:03:01,650 –> 00:03:04,650
این چارچوب داده و ستون جدید را صدا میزنیم
65
00:03:04,650 –> 00:03:05,840
و واقعاً آن را
66
00:03:05,840 –> 00:03:10,500
مربع باقیمان