📚#سفر_به_دنیای_کتاب_ها

🎙هنر آمار "آموزش از داده"

5️⃣فصل پنجم: ارتباط مدل ها با استفاده از رگرسیون

🟡مدل‌های رگرسیون یک نمایش ریاضی بین مجموعه‌ای از متغیرهای توضیحی و یک متغیر پاسخ ارائه می‌کنند.

🟡ضرایب در یک مدل رگرسیونی نشان می‌دهد که وقتی متغیر توضیحی تغییر می‌کند چقدر انتظار داریم پاسخ تغییر کند.

🟡رگرسیون به میانگین، زمانی اتفاق می‌افتد که پاسخ‌های افراطی‌تر به میانگین بلندمدت نزدیک‌تر، برمی‌گردند، زیرا سهمی در افراط قبلی آن‌ها شانس محض بود.

🟡مدل‌های رگرسیون می‌توانند انواع مختلفی از متغیر پاسخ، متغیرهای توضیحی و روابط غیرخطی را در بر گیرند.

🟡در تفسیر مدل‌ها احتیاط لازم است، که نباید خیلی تحت اللفظی در نظر گرفته شود: «همه مدل‌ها اشتباه هستند، اما برخی مفید هستند».

6️⃣فصل ششم: الگوریتم ها، تجزیه و تحلیل و پیش بینی

🔴الگوریتم های ساخته شده از داده ها را می توان برای طبقه بندی و پیش بینی کاربردهای تکنولوژیکی استفاده کرد.

🔴مهم است که از برازش بیش از حد یک الگوریتم برای داده های آموزشی محافظت کنید، اساساً به جای برازش سیگنال مناسب برای نویز باشد.

🔴الگوریتم‌ها را می‌توان با دقت طبقه بندی، توانایی آنها تمایز بین گروه‌ها و دقت پیش‌بینی کلی آنها ارزیابی کرد.

🔴الگوریتم‌های پیچیده ممکن است فاقد شفافیت باشند. ممکن است معامله مقداری از دقت در مقابل درک مطلب، ارزش داشته باشد.

🔴استفاده از الگوریتم‌ها و هوش مصنوعی چالش‌های زیادی را به همراه دارد و بینش‌ در مورد قدرت و محدودیت‌های روش‌های یادگیری ماشین حیاتی است.

#️⃣#Art_of_statistics
#️⃣#David_Speigelhalter
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math