فیلم آموزشی جامع رگرسیون یا Regression

بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله رگرسیون یا Regression بیان نمود، که در آن در نهایت یک یک مدلپیش بینی کننده تربیت و طراحی می شود که می تواند با در دست داشتن نقاطی از یک رابطه ریاضی مخفی یا موجود، تمامی آن رابطه را بازسازی و یا شبیه سازی کند، و به ما در یافتن ارتباطهای موجود میان متغیرها و خروجی ها، کمک کند. در فیلم آموزشی جامع رگرسیون یا Regression، پس از مرور کلی بر مفاهیم رگرسیون و مدل سازی، تعدادی از روش های پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند. سرفصل های مهم‌ترین مباحث مطرح شده در این فیلم آموزشی در ادامه آمده اند: بررسی مفاهیم بنیادی رگرسیون و مدل سازی و رویکردهای کلی حل این مسائل بررسی ساختار مسأله یادگیری نظارت شده برای مدل سازی و رگرسیون بررسی و معرفی انواع روش های رگرسیون روش کمترین مربعات یا Least Squares (به اختصار LS) و پیاده سازی آن در محیط متلب تعمیم روش کمترین مربعات برای مدل سازی غیر خطی مروری بر شبکه های عصبی پرسپترون چند لایه یا MLP مدل سازی و رگرسیون با شبکه عصبی MLP در متلب مروری بر شبکه های عصبی مبتنی بر توابع شعاعی یا RBF مدل سازی و رگرسیون با شبکه عصبی RBF در متلب این فیلم آموزشی، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. کلمات کلیدی: Data Mining, Data Mining in MATLAB, KDD, Knowledge Discovery, Knowledge Discovery from Data, Least Squares, Linear Regression, Nonlinear Regression, Regression, استخراج دانش, داده کاوی, داده کاوی در متلب, روش های رگرسیون, رگرسیون, رگرسیون خطی, رگرسیون غیر خطی, شبکه عصبی, شبکه عصبی MLP در متلب, شبکه عصبی RBF, شبکه عصبی RBF در متلب, شبکه عصبی مصنوعی, شبکه عصبی پرسپترون چند لایه یا MLP, مبانی داده کاوی, مدل سازی, کاوش دانش, کشف دانش, کمترین مربعات, کمترین مربعات برای رگرسیون, کمترین مربعات برای رگرسیون غیر خطی, یادگیری نظارت شده برای کسب اطلاعات بیشتر، لینک زیر را ببینید: http://matlabsite.com/mvrdm9206