بخشی از پاورپوینت

--- پاورپوینت شامل تصاویر میباشد ----


اسلاید 1 :


پیش بینی

oتعریف پیش بینی: تعیین مقدار یک متغییر پاسخ پیوسته  (وابسته) بر حسب مقادیر متغیرهای مستقل.

oمتغیر وابسته: متغیری که باید پیش بینی برای آن انجام شود. تأثير (يا رابطه) متغير مستقل بر آن مورد بررسي قرار مي‌گيرد.

oمتغیر مستقل: متغیری که تاثير (يا رابطه) آن بر روي متغیر وابسته بررسي می شود. به عبارت دیگر این متغیر، مقدمه و متغیر وابسته، نتیجه است.

اسلاید 2 :


تفاوت پیش بینی و دسته بندی

متغیر وابسته در دسته بندی، گسسته (برچسب کلاس ها) است. اما متغیر پاسخ در پیش بینی پیوسته است. (و هم چنین برای ویژگی ها)

اسلاید 3 :


رگرسیون

مهم ترین روش مورد استفاده در پیش بینی عددی رگرسیون است.

اسلاید 4 :


رگرسیون خطی  (تک متغیره)

متغیر وابسته، تنها به یک متغیر مستقل بستگی دارد.

اسلاید 5 :


ضرایب رگرسیون خطی، بر اساس روش کمترین مربعات خطا به دست می آیند.

اسلاید 6 :


در این روش تعداد متغیرهای مستقل بیش از یکی است.

اسلاید 7 :


رگرسیون غیرخطی

اگر داده ها دارای وابستگی خطی نباشند (مثلا به شکل تابع چندجمله ای)، رگرسیون غیر خطی مطرح می شود. که می تواند به رگرسیون خطی تبدیل شود.

اسلاید 8 :


مثال

فرض كنيد هدف تخمين ميزان هزینه ای است كه شخصي با درآمد معين براي مواد غذايي مي پردازد. براي پاسخ به اين مساله بايد از چندين خانوار نمونه گيري كنيم.

اسلاید 9 :


 مدل های رگرسیون برای دسته بندی

oرگرسیون لجستیک: احتمال وقوع پدیده هایی که تابعی خطی از یک مجموعه متغیرهای مستقل هستند را پیش بینی می کند.

oرگرسیون پوآسون: نوعی از تحلیل رگرسیون و زیرمجموعه‌ای از مدل های خطی تعمیم یافته است که برای تحلیل داده‌های حاصل از شمارش به کار می‌رود.

اسلاید 10 :


رگرسیون لجستیک

دسته بندی کننده بیزی برای محاسبه P(Y|X) لازم دارد تا مقادیر P(Y)  و P(X|Y) را یاد بگیرد.

چرا مستقیما P(Y|X) یاد گرفته نشود؟

üرگرسیون لجستیک، متغیر وابسته کیفی را با متغیرهای مستقل کمی پیش بینی می کند.

üدر بسیاری از موارد، متغیر وابسته تنها دو مقدار 0 و 1 را می پذیرد.

در متن اصلی پاورپوینت به هم ریختگی وجود ندارد. برای مطالعه بیشتر پاورپوینت آن را خریداری کنید