پروژه پایانی هوش مصنوعی
#r_programming
سلام دانشجوی دکتری هستم و دنبال کسی هستم که بلد باشه پایان نامه در مورد مخابرات یا الکترونیک بنویسه و کمکم کنه
توسط خریدار:
اطلاعات بیشتر:
https://parscoders.com/project/591997/پروژه-پایانی-هوش-مصنوعی
t.me/ParscodersCom
#r_programming
سلام دانشجوی دکتری هستم و دنبال کسی هستم که بلد باشه پایان نامه در مورد مخابرات یا الکترونیک بنویسه و کمکم کنه
توسط خریدار:
کاربر زیبا آذریاطلاعات بیشتر:
https://parscoders.com/project/591997/پروژه-پایانی-هوش-مصنوعی
t.me/ParscodersCom
پروزه مجور 6 داده کاوی 9047
#data_mining, #statistics, #r_programming
محور 6
تمرینهای داده کاوی
1- هر یک از تکنینکهای داده کاوی توصیفی و پیش بینانه، برای چه نوع متغیرهایی (اسمی یا رتبی یا نسبی) قابل اجرا است. نتیجه را در قالب یک جدول گزارش کنید به شکلی که ستونهای آن متشکل باشند از نام تکنیک، متغیرهای ورودی، متغیرهدف و توضیح (ازهوش مصنوعی کمک بگیرید).
2- در فایل فشرده ذیل، تعدادی پوشه مرتبط با یک یا چند تکنیک داده کاوی وجود دارد. داده های اکسل داده را بررسی و درصورت نیاز با تکنیکهای لازم تمیز کنید. بعد از فهم داده ها (متغیرها یا سرستونها) درهر فایل اکسل، تحلیل توصیفی متغیرها را از طریق عملگر data audit گزارش کنید. از طریق عملگر گرف بورد، نمودارهای دو بعدی و سه بعدی مناسب برای تحلیل و کاوش داده های هر فایل را ترسیم کنید و سپس نمودارهای معنی دار را ترسیم و نتایج را تفسیر کنید.
3- تکنیک خوشه بندی مناسب را (برای دو فایل اکسل مناسب برای این تکنیک) اجرا کنید. کیفیت مدل خوشه بندی را ارزیابی کنید. متغیرهای تعیین کننده (determinant) را شناسایی کنید. تکنیکهای اصلاحی شامل بررسی دوباره فایل داده و فیلتر کردن متغیرهای کمتر موثر یا گمراه کننده، حذف داده های پرت، اصلاح نقش متغیر یا تبدیل مقیاس متغیر و... را انجام داده و دوباره مدل را اجرا کنید. عملگر auto cluster را امتحان کرده و عملکرد تکنیک پیشنهادی را با تکنیکی که اجرا کردید مقایسه کنید.
4- ابعاد مفهومی هر خوشه را از طریق مقایسه نموداری متغیر به متغیردر آن خوشه، تحلیل کنید و بر این اساس، هر خوشه را با یک عنوان مناسب برچسب بزنید. با عملگر گراف برد نمودار سه بعدی ترسیم کنید و شماره خوشه را با رنگ به عنوان متغیر چهارم در نموداراضافه کنید و خوشه ها را تفسیر و سیاستها و تنظیم گری مناسب برای هر خوشه را ارئه دهید.
5- در فایلهای پیش بینانه (عنوان پوشه یک پیشنهاد برای تکنیک مناسب اکسل درون آن است)، هر فایل را با نسبت 50-50 به test و train بشکنید و مدل پیش بینانه مربوطه را اجرا کنید. تکنیکهای اصلاحی تخصصی هر مدل را اجرا کنید. خروجی مدل را در قالب جدول (از طریق عملگر table) اخذ کنید. با تناظر دادن مقادیر واقعی و پیش بینی شده، مقادیر TP-TN-FP-FN را شمارش کرده و شاخصهای accuracy، recall و precision را برای خروجی هر مدل محاسبه کنید. از طریق عملگر analyse نیز مدل را ارزیابی کنید.
6- نمودارها، جداول و اشکال تخصصی هر مدل (خروجی تکنینک) را ترسیم و تفسیر کنید.
7- به هر مدل اجرا شده (الماس)، فایل تست (score) متناظر را داده و اتربیوت (یا همان متغیر) تارگت را از طریق عملگر جدول اخذ کنید.
8- عملگرهای auto classifier و auto numeric را (با توجه به نوع متغیر تارگت) برای هر فایل پیش بینانه اجرا کنید و عملکرد تکنیک پیشنهاد شده اول را با تکنیکی که خودتان در بند 5 اجرا کردید مقایسه کنید.
9- بر اساس فهمی که از خروجی های هر تکنیک کسب کرده اید (چه خوشه بندی و چه پیش بینانه)، خط مشی یا راهبردها و رویه ها و اقدامات تنظیمگری مناسب را ارائه کنید (این بند امتیاز اضافی دارد).
تمرینهای داده کاوی (در فایل داکس زیر)
فایلهای داده کاوی برای تمرینهای این محور (در فایل زیپ در زیر )
پارامترهای ارزیابی مدل‌های داده کاوی (بند ۵ تمرینها از محور ۶)
👇👇
فرمول نمونه گیری کوکران در اکسل
حدول نمونه گیری مورگان
توسط خریدار:
اطلاعات بیشتر:
https://parscoders.com/project/592186/پروزه-مجور-6-داده-کاوی-9047
t.me/ParscodersCom
#data_mining, #statistics, #r_programming
محور 6
تمرینهای داده کاوی
1- هر یک از تکنینکهای داده کاوی توصیفی و پیش بینانه، برای چه نوع متغیرهایی (اسمی یا رتبی یا نسبی) قابل اجرا است. نتیجه را در قالب یک جدول گزارش کنید به شکلی که ستونهای آن متشکل باشند از نام تکنیک، متغیرهای ورودی، متغیرهدف و توضیح (ازهوش مصنوعی کمک بگیرید).
2- در فایل فشرده ذیل، تعدادی پوشه مرتبط با یک یا چند تکنیک داده کاوی وجود دارد. داده های اکسل داده را بررسی و درصورت نیاز با تکنیکهای لازم تمیز کنید. بعد از فهم داده ها (متغیرها یا سرستونها) درهر فایل اکسل، تحلیل توصیفی متغیرها را از طریق عملگر data audit گزارش کنید. از طریق عملگر گرف بورد، نمودارهای دو بعدی و سه بعدی مناسب برای تحلیل و کاوش داده های هر فایل را ترسیم کنید و سپس نمودارهای معنی دار را ترسیم و نتایج را تفسیر کنید.
3- تکنیک خوشه بندی مناسب را (برای دو فایل اکسل مناسب برای این تکنیک) اجرا کنید. کیفیت مدل خوشه بندی را ارزیابی کنید. متغیرهای تعیین کننده (determinant) را شناسایی کنید. تکنیکهای اصلاحی شامل بررسی دوباره فایل داده و فیلتر کردن متغیرهای کمتر موثر یا گمراه کننده، حذف داده های پرت، اصلاح نقش متغیر یا تبدیل مقیاس متغیر و... را انجام داده و دوباره مدل را اجرا کنید. عملگر auto cluster را امتحان کرده و عملکرد تکنیک پیشنهادی را با تکنیکی که اجرا کردید مقایسه کنید.
4- ابعاد مفهومی هر خوشه را از طریق مقایسه نموداری متغیر به متغیردر آن خوشه، تحلیل کنید و بر این اساس، هر خوشه را با یک عنوان مناسب برچسب بزنید. با عملگر گراف برد نمودار سه بعدی ترسیم کنید و شماره خوشه را با رنگ به عنوان متغیر چهارم در نموداراضافه کنید و خوشه ها را تفسیر و سیاستها و تنظیم گری مناسب برای هر خوشه را ارئه دهید.
5- در فایلهای پیش بینانه (عنوان پوشه یک پیشنهاد برای تکنیک مناسب اکسل درون آن است)، هر فایل را با نسبت 50-50 به test و train بشکنید و مدل پیش بینانه مربوطه را اجرا کنید. تکنیکهای اصلاحی تخصصی هر مدل را اجرا کنید. خروجی مدل را در قالب جدول (از طریق عملگر table) اخذ کنید. با تناظر دادن مقادیر واقعی و پیش بینی شده، مقادیر TP-TN-FP-FN را شمارش کرده و شاخصهای accuracy، recall و precision را برای خروجی هر مدل محاسبه کنید. از طریق عملگر analyse نیز مدل را ارزیابی کنید.
6- نمودارها، جداول و اشکال تخصصی هر مدل (خروجی تکنینک) را ترسیم و تفسیر کنید.
7- به هر مدل اجرا شده (الماس)، فایل تست (score) متناظر را داده و اتربیوت (یا همان متغیر) تارگت را از طریق عملگر جدول اخذ کنید.
8- عملگرهای auto classifier و auto numeric را (با توجه به نوع متغیر تارگت) برای هر فایل پیش بینانه اجرا کنید و عملکرد تکنیک پیشنهاد شده اول را با تکنیکی که خودتان در بند 5 اجرا کردید مقایسه کنید.
9- بر اساس فهمی که از خروجی های هر تکنیک کسب کرده اید (چه خوشه بندی و چه پیش بینانه)، خط مشی یا راهبردها و رویه ها و اقدامات تنظیمگری مناسب را ارائه کنید (این بند امتیاز اضافی دارد).
تمرینهای داده کاوی (در فایل داکس زیر)
فایلهای داده کاوی برای تمرینهای این محور (در فایل زیپ در زیر )
پارامترهای ارزیابی مدل‌های داده کاوی (بند ۵ تمرینها از محور ۶)
👇👇
فرمول نمونه گیری کوکران در اکسل
حدول نمونه گیری مورگان
توسط خریدار:
payaprozheاطلاعات بیشتر:
https://parscoders.com/project/592186/پروزه-مجور-6-داده-کاوی-9047
t.me/ParscodersCom