پروژه: ساخت مدل‌های رگرسیون (خطی، Ridge، Lasso) در Python

توضیحات پروژه

رگرسیون یک الگوریتم یادگیری نظارت‌شده است. تحلیل رگرسیون برای برقراری رابطه بین یک یا چند متغیر مستقل و یک متغیر وابسته استفاده می‌شود. تحلیل رگرسیون شامل چندین نوع مختلف مانند رگرسیون خطی، رگرسیون خطی چندگانه و رگرسیون غیرخطی است. معمولاً می‌توان مدل‌های رگرسیون را با استفاده از کتابخانه‌ی قدرتمند و ارزشمند Scikit-learn در پایتون ایجاد کرد. اما در این پروژه، مدل‌ها را از ابتدا با استفاده از NumPy خواهیم ساخت. ساخت مدل به‌صورت دستی، انعطاف‌پذیری بیشتری در فرآیند آموزش فراهم می‌کند و امکان تغییر مدل برای مقاوم‌تر کردن آن و پاسخگویی بهتر به داده‌های واقعی در بازآموزی یا استفاده در تولید فراهم می‌شود.

این پروژه توضیح می‌دهد که رگرسیون خطی چگونه کار می‌کند و چگونه می‌توان مدل‌های مختلف رگرسیون مانند رگرسیون خطی، رگرسیون Ridge، رگرسیون Lasso و درخت تصمیم را از ابتدا با استفاده از ماژول NumPy ساخت.

مجموعه داده پروژه

فناوری‌های استفاده‌شده

• • • زبان: پایتون
    • کتابخانه‌ها: pandas, numpy

مراحل حل پروژه

• • 1. وارد کردن کتابخانه‌های مورد نیاز و خواندن مجموعه داده
    2. پیش‌پردازش داده‌ها
       • حذف داده‌های گمشده
       • حذف متغیرهای دسته‌بندی‌شده
       • بررسی چند‌هم‌خطی و حذف ویژگی‌های با همبستگی بالا
    3. ایجاد داده‌های آموزشی و آزمایشی از طریق ترتیب‌دهی تصادفی داده‌ها
    4. انجام تقسیم‌بندی داده‌های آموزشی و آزمایشی
    5. ساخت مدل با استفاده از NumPy
       • مدل رگرسیون خطی
       • رگرسیون Ridge
       • رگرسیون Lasso
       • رگرسیون درخت تصمیم
    6. اعتبارسنجی مدل
       • میانگین خطای مطلق
       • ضریب تعیین R2 squared