پروژه: رویکرد عملی برای طراحی رگرسیون با عدمپیوستگی در پایتون
0 تومان
در این پروژه یادگیری ماشین، شما یاد خواهید گرفت که چگونه یک مثال از طراحی رگرسیون با عدمپیوستگی را در پایتون پیاده‌سازی کنید تا تأثیر سن بر نرخ مرگ‌ومیر را تعیین کنید.
- درجه سختی: Easy
- نوع بیزینس: Other
- ابزار مورد استفاده: Python
- کلاس الگوریتم: Regression
4
پایه دسترسی
2
ساعت منتورینگ
156
جلسه
3
ساعت ویدئو
26
پروژه
347
ساعت
2
هفته
5
روش برگزاری
16
کورس
4
روش بازآموزی
6
پایه پشتیبانی
17
روش پرداخت
3
پایه دشواری
3
تاریخ شروع
7
مدرس
4
نوع دوره
ثبت نام به پایان رسید
توضیحات
آنچه که در این پروژه یاد می‌گیرید:
-
-
- رگرسیون با عدمپیوستگی چیست؟
- عدمپیوستگی در رگرسیون با عدمپیوستگی
- کاربردهای رگرسیون با عدمپیوستگی
- مثال‌هایی از رگرسیون با عدمپیوستگی
- اثر متوسط درمان چیست؟
- درمان و کنترل چیست؟
- چگونه درمان و کنترل را در داده‌ها تنظیم کنیم؟
- پیاده‌سازی رگرسیون با عدمپیوستگی در پایتون
- تحلیل نتایج OLS
- برآورد اثر علّی
- فرضیات رگرسیون با عدمپیوستگی
- طراحی رگرسیون با عدمپیوستگی فازی (Fuzzy RDD)
- مثال‌هایی از رگرسیون با عدمپیوستگی فازی
- پیاده‌سازی رگرسیون با عدمپیوستگی فازی در پایتون
توضیحات پروژه
رگرسیون با عدمپیوستگی یک روش ارزیابی شبه‌آزمایشی است که برای ارزیابی برنامه‌هایی با یک نقطه قطع مشخص استفاده می‌شود تا مشخص شود چه کسانی واجد شرایط مشارکت هستند. این روش به محقق اجازه می‌دهد افراد درست بالاتر یا پایین‌تر از نقطه قطع را مقایسه کند تا تأثیر برنامه بر یک نتیجه خاص را شناسایی کند.
در این پروژه، طراحی رگرسیون با عدمپیوستگی (RDD) در پایتون پیاده‌سازی شده است. این پروژه به تعیین تأثیر سن بر نرخ مرگ‌ومیر می‌پردازد. شما می‌توانید پروژه قبلی این مجموعه را با عنوان رویکرد عملی برای استنباط علّی در یادگیری ماشین مشاهده کنید.
مجموعه داده پروژه
مجموعه داده این پروژه شامل فیچرهای مختلفی است که برای تعیین تأثیر سن بر نرخ مرگ‌ومیر استفاده خواهد شد.
فناوری‌های استفاده‌شده
-
-
- زبان: پایتون
- کتابخانه‌ها: pandas, plotly, statsmodels, numpy, linearmodels
پروژه: رویکرد عملی برای طراحی رگرسیون با عدمپیوستگی در پایتون
سرفصل‌ها
پروژه: رویکرد عملی برای طراحی رگرسیون با عدمپیوستگی در پایتون
فرم ثبت نام
ثبت نام به پایان رسید
