در این مطلب، ویدئو نحوه انجام رگرسیون خطی در پایتون در ۷ دقیقه با استفاده از نوت بوک Jupyter 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: 00:11:08
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,410 –> 00:00:02,939
نام من به نوعی مبتکرانه است و امروز
2
00:00:02,939 –> 00:00:04,259
قصد دارم به شما یاد بدهم که چگونه
3
00:00:04,259 –> 00:00:07,200
رگرسیون خطی را در پایتون با استفاده از
4
00:00:07,200 –> 00:00:09,660
رگرسیون خطی نجیب مشتری انجام دهید
5
00:00:09,660 –> 00:00:11,309
موضوع بسیار مهمی در یادگیری ماشین
6
00:00:11,309 –> 00:00:13,559
و علم داده است و این چیزی است که
7
00:00:13,559 –> 00:00:15,450
اگر دوست دارید باید بدانید. علاقه مند
8
00:00:15,450 –> 00:00:18,000
به ادامه دادن در هر یک از چهره ها هستید اگر می خواهید
9
00:00:18,000 –> 00:00:19,920
وارد X مانند این شوید، لطفا با
10
00:00:19,920 –> 00:00:21,240
کلیک بر روی دکمه اشتراک در زیر
11
00:00:21,240 –> 00:00:22,859
این ویدئو مشترک شوید و همچنین می توانید به
12
00:00:22,859 –> 00:00:24,840
خط ماشین من در کلاس جهانی آب بپیوندید که به
13
00:00:24,840 –> 00:00:26,670
تازگی شروع شده است و برای
14
00:00:26,670 –> 00:00:30,179
مبتدی تا متخصص ساخته شده است. سطح پس چه می شود اگر
15
00:00:30,179 –> 00:00:31,980
رگرسیون خطی رگرسیون خطی
16
00:00:31,980 –> 00:00:33,989
راهی برای پیش بینی یا یافتن
17
00:00:33,989 –> 00:00:36,329
رابطه بین دو سایت داده متغیر
18
00:00:36,329 –> 00:00:40,290
است که ما X و y دین داریم و
19
00:00:40,290 –> 00:00:42,180
یکی از آنها متغیر وابسته
20
00:00:42,180 –> 00:00:44,219
به یکی از آنها مستقل است چگونه انجام
21
00:00:44,219 –> 00:00:46,469
می شود تصمیم بگیرید که مشکوک هستید که
22
00:00:46,469 –> 00:00:48,090
بین آنها رابطه ای وجود دارد، شاید
23
00:00:48,090 –> 00:00:49,469
با افزایش دروغ های شما، یکی در حال
24
00:00:49,469 –> 00:00:51,660
افزایش است، اما ما نمی دانیم که فقط
25
00:00:51,660 –> 00:00:53,610
می خواهیم تابعی را پیدا کنیم که آن را به رابطه خطی مرتبط کند.
26
00:00:53,610 –> 00:00:55,710
gression چیزی است که می تواند به شما کمک کند
27
00:00:55,710 –> 00:00:57,120
این کار را انجام دهید، بنابراین بیایید این کار را در پایتون
28
00:00:57,120 –> 00:00:59,730
با استفاده از کتاب jucama انجام دهیم و امیدواریم پنج
29
00:00:59,730 –> 00:01:01,530
تا ده دقیقه دیگر شکایت کنیم،
30
00:01:01,530 –> 00:01:04,349
بنابراین بیایید به صفحه نمایش برویم، بنابراین اولین
31
00:01:04,349 –> 00:01:06,900
کاری که می خواهم انجام دهم این است که یک نوت بوک Gitano را باز کنم.
32
00:01:06,900 –> 00:01:09,150
کتاب همراه با Anaconda و Uh
33
00:01:09,150 –> 00:01:11,010
Knock on dies توزیعی از آیتم است
34
00:01:11,010 –> 00:01:13,080
که می توانید به صورت رایگان دانلود و نصب
35
00:01:13,080 –> 00:01:13,500
36
00:01:13,500 –> 00:01:15,450
37
00:01:15,450 –> 00:01:18,030
38
00:01:18,030 –> 00:01:21,390
کنید. و
39
00:01:21,390 –> 00:01:29,030
من نام آن را رگرسیون خطی خود
40
00:01:33,079 –> 00:01:36,390
میگذارم، بنابراین شما میتوانید هر چیزی را که
41
00:01:36,390 –> 00:01:38,520
دوست دارید انتخاب کنید، مشکلی ندارد و نام شما مناسب است،
42
00:01:38,520 –> 00:01:39,810
بنابراین اولین کاری که میخواهیم انجام دهیم این است
43
00:01:39,810 –> 00:01:42,119
که مدلهایی را وارد کنیم که برای حل رگرسیون خطی باید از آن استفاده
44
00:01:42,119 –> 00:01:44,990
کنیم، بنابراین وارد کردن
45
00:01:44,990 –> 00:01:50,310
numpy و آنها به ما اطلاع میدهند و
46
00:01:50,310 –> 00:01:51,810
ماژولهایی را که به شما کمک میکند محاسبات عددی را مدیریت کنید، وارد میکند، به ما اطلاع میدهند و
47
00:01:51,810 –> 00:01:56,479
48
00:01:56,479 –> 00:02:03,170
49
00:02:03,170 –> 00:02:06,360
به شما کمک میکند تا
50
00:02:06,360 –> 00:02:10,429
نمودارها و نمودارها را در نهایت
51
00:02:10,429 –> 00:02:15,980
و از خط SK، اسکالن خطی خطی را رسم کنید.
52
00:02:15,980 –> 00:02:24,010
حالت خطی را مدل می کند l
53
00:02:24,010 –> 00:02:28,760
رگرسیون خطی را وارد میکند امیدوارم این
54
00:02:28,760 –> 00:02:31,189
مدل خطی یا مدلهای خطی را به دست آورده باشم، نمیتوانم
55
00:02:31,189 –> 00:02:32,930
به خاطر بیاورم، بنابراین
56
00:02:32,930 –> 00:02:35,000
این سه موردی است که
57
00:02:35,000 –> 00:02:37,549
برای انجام رگرسیون خطی در پایتون به واردات نیاز دارید، بنابراین کار
58
00:02:37,549 –> 00:02:39,620
بعدی که میخواهیم انجام دهیم این است. برای
59
00:02:39,620 –> 00:02:41,930
انتقال این دادهها از اکسل به
60
00:02:41,930 –> 00:02:43,669
پایتون، دو روشی است که میتوانیم آن را انجام دهیم،
61
00:02:43,669 –> 00:02:47,000
به طور طبیعی آن را اینجا مینویسیم یا میتوانیم
62
00:02:47,000 –> 00:02:49,819
این دادهها را به عنوان مرتبط وارد کنیم
63
00:02:49,819 –> 00:02:52,099
و سپس این دادهها را به
64
00:02:52,099 –> 00:02:53,989
نوعی re تبدیل کنیم، اما من به شما آموزش میدهم. یک
65
00:02:53,989 –> 00:02:57,109
ترفند کوچک در مورد نحوه انتقال دادهها از
66
00:02:57,109 –> 00:02:59,989
اکسل به پایتون، بنابراین کاری که میخواهم
67
00:02:59,989 –> 00:03:02,209
انجام دهم، من فقط میخواهم اینها
68
00:03:02,209 –> 00:03:06,919
را به این طرف منتقل کنم، بنابراین فرض کنید X
69
00:03:06,919 –> 00:03:13,250
برابر با نقطه کلیدی آرایه نقطه MP است. میخواهم
70
00:03:13,250 –> 00:03:17,180
به این نکته اشاره کنم که دقیقاً مشکلی نیست، بنابراین ما
71
00:03:17,180 –> 00:03:23,090
این آرایه NP را داریم و Y برابر با آرایه نقطه MP است،
72
00:03:23,090 –> 00:03:27,470
بنابراین باید
73
00:03:27,470 –> 00:03:29,659
این اندازه داده را دقیقاً به داخل بکشیم، بنابراین کاری که
74
00:03:29,659 –> 00:03:31,909
میخواهیم انجام دهیم، فقط همه چیز را
75
00:03:31,909 –> 00:03:36,500
از اینجا کپی کنیم و فقط به کپی بروید و سپس
76
00:03:36,500 –> 00:03:39,680
به سلول دیگری بروید و فقط به پیست
77
00:03:39,680 –> 00:03:42,199
کردن پیست کشویی بروید و t را انتخاب کنید
78
00:03:42,199 –> 00:03:45,229
ranspose میتوانید ببینید که رنگ بنفش در اینجا جابهجا میشود، بنابراین کاری که
79
00:03:45,229 –> 00:03:47,090
من میخواهم انجام دهم این است که فقط این هشت
80
00:03:47,090 –> 00:03:50,150
مقدار را کپی کنید و سپس آنها را
81
00:03:50,150 –> 00:03:53,900
دقیقاً در اینجا بچسبانید و سپس من
82
00:03:53,900 –> 00:03:56,900
همه اینها را با کاما جایگزین
83
00:03:56,900 –> 00:03:58,609
میکنم زیرا این کار را انجام نمیدهم. میدانم واقعاً میخواهم
84
00:03:58,609 –> 00:04:00,650
نمادها روزی که نامعتبر نیست، اجازه دهید به
85
00:04:00,650 –> 00:04:04,930
من بگویم که کمی سود است،
86
00:04:04,930 –> 00:04:08,959
خوب است، پس لایکهای خمیری اینها جایگزین
87
00:04:08,959 –> 00:04:15,349
اینها جایگزین اینها جایگزین اینها میشوند
88
00:04:15,349 –> 00:04:19,370
این جایگزینها و مکان دوباره ما
89
00:04:19,370 –> 00:04:21,529
همان کار را برای دادههای Y انجام میدهیم، بنابراین من هستم
90
00:04:21,529 –> 00:04:23,540
قرار است این را کپی کنم و سپس
91
00:04:23,540 –> 00:04:26,930
آن را درست در اینجا بچسبانم و
92
00:04:26,930 –> 00:04:28,970
دوباره از کاما برای جایگزینی
93
00:04:28,970 –> 00:04:31,490
هر چیزی که در آنجا اضافه شده است استفاده می کنم.
94
00:04:31,490 –> 00:04:35,210
95
00:04:35,210 –> 00:04:37,310
96
00:04:37,310 –> 00:04:44,440
همه چیز تنظیم شده است پس جایگزین جایگزین کنید
97
00:04:44,440 –> 00:04:48,170
و جایگزین کنید آنجاست که یک دعوا
98
00:04:48,170 –> 00:04:50,240
داریم هومینی که چند نفر به خوبی انجام دادند مقادیر
99
00:04:50,240 –> 00:04:56,450
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 5
100
00:04:56,450 –> 00:04:59,420
من به رونی می روم پس ما باید
101
00:04:59,420 –> 00:05:01,790
ایجاد داده در تزریق یک نوت بوک
102
00:05:01,790 –> 00:05:03,740
داده ها را از Excel به
103
00:05:03,740 –> 00:05:08,110
کتاب خارجی حداکثر انتقال می دهد میخواهم
104
00:05:08,110 –> 00:05:10,880
بگوییم بله، باید یک شی رگرسیون خطی ایجاد کنیم،
105
00:05:10,880 –> 00:05:12,530
بنابراین بیایید آن را
106
00:05:12,530 –> 00:05:17,740
خطی بنامیم a برابر با رگرسیون خطی است،
107
00:05:23,050 –> 00:05:24,590
108
00:05:24,590 –> 00:05:27,320
بنابراین من هر کدام را به رونی
109
00:05:27,320 –> 00:05:29,660
اجرا میکنم و اکنون یک خطی میگویم. قبل از انجام من، هر دو
110
00:05:29,660