پیشنهاد فرادرس

آموزش ساخت مدل های آماری با StatsModels

دسته بندی ها: یادگیری ماشینی (Machine Learning) ، هوش مصنوعی ، آموزش های پلورال سایت (Pluralsight)

ساخت و استفاده از مدل های یادگیری ماشین تقریبا ساده تر شده است، اما همچنان چالشی برای استفاده از این مدل ها به صورت هوشمندانه و بدون مرتکب شدن خطاهای مدل سازی شدید وجود دارد. در این دوره با استفاده از  تکنیک های آماری بدون استفاده از ریاضیات، استفاده از T-test و نحوه استفاده از تکنیک های تجزیه و تحلیل انحراف (ANOVA) برای مقایسه چندین نمونه جمعیت مختلف آشنا می شوید. همچنین تعدادی از مدل های مختلف رگرسیون مانند رگرسیون حداقل مربعات (یا وزنی) که معمولا با داده های heteroscedastic و مدل های خطی قوی برای مقابله با ناپایداری ها استفاده می شود را یاد خواهید گرفت. در نهایت شما مدل های آماری متفاوتی را خواهید آموخت که با داده های سری زمانی کار می کنند.

سرفصل:

  • معرفی دوره
  • ایجاد مدل های آماری
  • ویژگی های آمار با StatsModels
  • میانگین، انحراف استاندارد و توزیع نرمال
  • آزمایش فرضیه
  • تست T
  • معرفی ANOVA
  • معرفی رگرسیون خطی
  • نسخه ی نمایشی: تجزیه و تحلیل داده ها برای Skewness و Kurtosis
  • ساخت مدل های خطی با استفاده از مدل های آمار
  • بررسی داده های سری زمانی با استفاده از StatsModels
  • نسخه ی نمایشی: مدل های ARMA در داده های سری زمانی
  • ACF و PACF
  • و غیره
آیا این نوشته را دوست داشتید؟
Building Statistical Models Using StatsModels Publisher:Pluralsight Author:Janani Ravi Duration:2h 9m Level:Beginner

It is important to use statistical tools well to explore and analyze your data before using it in ML models. This course teaches how basic statistical models work and how you can use the StatsModel Python package for estimation and exploration.
It is becoming ever-easier to build and use machine learning models, but it still is a challenge to use those models intelligently, and without committing any egregious modeling errors. In this course, Building Statistical Models Using StatsModels, you will learn to intuitively understand how to approach statistical techniques and apply them without getting bogged down in arcane mathematics. First, you will delve into tests of statistical significance by using the T-test to see whether the differences in two samples of a population are different and how to tell if the differences are statistically significant. Next, you will explore how to use the Analysis of Variance (ANOVA) techniques to compare several different population samples to see whether they differ on the basis of single or multiple factors. Then, you will discover a number of different regression models, such as generalized (or weighted) least squares regression, which are typically used with heteroscedastic data and robust linear models to cope with outliers. Finally, you will learn specialized statistical models that work with time-series data, including autoregressive and moving average models, and the ARMA family which combines both of these. By the end of this course, you will have developed an intuitive understanding of statistics and will be able to apply that intuition to your own specific use case using the StatsModel Python library.
Course Overview
Statsmodels Building Statistical Models M0 01
1m
Exploring Statistical Properties Using StatsModels
Module Overview
1m
Prerequisites and Course Outline
2m
Mean, Standard Deviation, and the Normal Distribution
5m
Hypothesis Testing
7m
The T-test
6m
Demo: Implementing the T-test
8m
Introducing ANOVA
5m
Introducing Linear Regression
3m
Two-way ANOVA
3m
Demo: Implementing ANOVA on Linear Models
5m
Demo: Implementing Two-way ANOVA
3m
Skewness and Kurtosis
4m
Demo: Analyzing Data for Skewness and Kurtosis
5m
Building Linear Models Using StatsModels
Module Overview
1m
Regression Assumptions
4m
Working with Heteroscedastic Data
7m
Demo: Performing Weighted Least Squares Regression
7m
Generalized Linear Models
4m
Demo: Applying a Generalized Linear Model on Binomial Data
5m
Robust Linear Regression
1m
Demo: Applying Robust Linear Models to Data Containing Outliers
3m
Exploring Time Series Data Using StatsModels
Module Overview
1m
Stationary and Non-stationary Data
5m
Autoregressive and Moving Average Models
7m
ACF and PACF
7m
Demo: ARMA Models on Time Series Data
6m
Summary and Further Study
1m

پیشنهاد فرادرس