Arabic subtitles

Impute Using Linear Regression - Intro to Data Science

Get Embed Code
4 Languages

Showing Revision 1 created 06/09/2016 by Udacity Robot.

  1. توجد طريقة أخرى يمكننا استخدامها وهي تقدير
  2. القيم المفقودة في مجموعة بيانات لعمل انحدار خطي
  3. لتقييم القيم المفقودة. سنتناول الانحدار الخطي
  4. بمزيد من التفصيل في الدرس التالي. لكن الفكرة العامة
  5. هو أننا بإمكاننا إنشاء معادلة
  6. تتوقع القيم المفقودة في البيانات باستخدام المعلومات التي لدينا
  7. ثم نستخدم هذه المعادلة في ملء
  8. القيم المفقودة. حسنًا، ما هي عيوب استخدام
  9. هذه التقنية من نوع الانحدار الخطي؟ حسنًا، أحد الآثار الجانبية
  10. السلبية لتقدير القيم المفقودة بهذه الطريقة
  11. هو زيادة تركيزنا حول الاتجاهات الموجودة
  12. ،في البيانات. على سبيل المثال
  13. إذا كانت هناك علاقة بين تاريخ الميلاد
  14. والطول للاعبي البيسبول
  15. فستؤدي جميع القيم التقديرية إلى تضخيم هذا الاتجاه. وعلاوة على ذلك، سيقدم
  16. ،هذا النموذج قيمًا دقيقة للإدخالات المفقودة
  17. مما سيشير إلى تأكيد أكبر حول القيم المفقودة
  18. أكثر مما نحن عليه الآن. وفي أي حالة، لنقل أننا نريد
  19. ملء القيم المفقودة للوزن في بيانات
  20. لاعب البيسبول. يمكننا التدرب على النموذج الخطي باستخدام
  21. البيانات الموجودة لدينا، ثم سنستخدم هذا النموذج لتعبئة
  22. هذه القيم المفقودة. لنقل أننا نريد
  23. تعبئة القيم المفقودة للوزن في بيانات البيسبول. يمكننا
  24. ،التدرب على النموذج الخطي باستخدام البيانات الموجودة. هذا صحيح
  25. الإدخالات التي تتضمن موضعًا وعلى مركز ضارب الكرة على اليسار أو اليمين
  26. أو المتوسط أو تاريخ الميلاد وتاريخ الوفاة والارتفاع
  27. والوزن. ثم نستخدم هذا النموذج
  28. .الذي أنشأناه لملء هذه القيم المفقودة