فصل اول - مقدمه
 
2 سوال
    
09:49 1399/01/12
فصل دوم - رگرسیون خطی (Linear Regression)
 
9 سوال
    
13:53 1401/02/21
فصل سوم - رگرسیون لجستیک (Logistic Regression)
 
4 سوال
    
15:05 1401/02/23
فصل چهارم - بخش‌بندی بازار (Segmentation)
 
8 سوال
    
23:01 1400/12/12
فصل پنجم - تحلیل سبد مشتریان (Market Basket Analysis)
 
12 سوال
    
18:32 1400/08/11
سوالات اخیر
سوال چهارم کوییز
با عرض سلام و خسته نباشید استاد در خصوص سوال چهارم نیاز به scale کردن داده ها هست ؟ من ابتدا داده ها رو scale کردم اما جواب در گرینه ها نبود در صورتی که در حالت عادی جوابی که من به دست اوردم در گزینه ها است اما نمیدونم روش من درست یا نه ؟ m4 <- lm(y ~ x1+x2 , data=dataAdvance1)m4summary(m4)6.1/0.2
1 پاسخ
0 امتیاز
mh
13:53 1401/02/21
سوال
با عرض سلام و خسته نباشید من هرچه کد زیر رو اجرا میکنم با خطا مواجه میشم > m1 <- glm(IFUseCoupon ~ IFBundle, data = data, family = "binomial")Error in eval(family$initialize) : y values must be 0 <= y <= 1> summary(m1) Call:lm(formula = overall ~ rides, data = data) Residuals: Min 1Q Median 3Q Max -3.7042 -0.9452 -0.0006 0.7030 3.7030 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -6.9604 0.8991 -7.742 5.52e-14 ***rides 1.4072 0.1039 13.549 < 2e-16 ***---Signif. …
3 پاسخ
0 امتیاز
mh
15:05 1401/02/23
سوال از الگوریتم سلسله مراتبی
استاد من دقیق متوحه اینکه چرا با k=4 و اینکه مثلا یک کلاستر 100 تا زن هستند و کلاستر دوم 30 مرد الگوریتم ما مشکل دار هستش
1 پاسخ
0 امتیاز
حسین کریمی
23:01 1400/12/12
سوال پنج کوییز
استاد سلام وقتتون بخیر من این کد رو برای سوال 5 زدم اما پاسخم با پاسخ صحیح متفاوته اشکال کد کجاست ؟ data2 <- datadata2[,c(3:4)] <- scale(data2[,c(3:4)])m2 <- lm(y ~ x1+x2+x2:x1,data=data2)
1 پاسخ
0 امتیاز
حسین کریمی
21:49 1400/12/03
Lift (G→S)
سلام استاد روزتون بخیر باشه، برای محاسبه پاسخ سئوال ۴ با طی کردن مراحل ذیل به پاسخ برسم و نهایتا دستی محاسبه کردم. دلیل اینکه توی بررسی سبد، ارتباطی میان G و S نمایش داده نمیشه رو متوجه نشدم. ممنون میشم بفرمائید توی این مسیر کجا رو اشتباه کردم ##Building the Transactional DBmy_data = paste("F,G,S","P,F,B,C","G,C,F","P,B,S","F,G,S", sep="\n");write(my_data, file = "my_basket");trans = read.transactions("my_basket", format = "basket", sep=","); #Checking the Transactionsinspect(trans)arules_model = arules::apriori(trans)inspect(arules_model) خروجی: > inspect(arules_model)lhs rhs support confidence coverage lift count[1] {} …
1 پاسخ
0 امتیاز
o.moalemzadeh@gmail.com
18:32 1400/08/11