✔️ طبقه‌بندی سرطان پستان با PCA و رگرسیون لجستیک این کد در دو مرحله، طبقه‌بندی روی داده‌های سرطان پستان انجام می‌دهد: ⤵️ مرحله اول 1. داده‌های سرطان پستان از sklearn بارگیری می‌شود. 2. داده‌ها به مجموعه‌های آموزش و آزمون تقسیم می‌شوند. 3. یک مدل رگرسیون لجستیک آموزش داده می‌شود. 4. دقت مدل روی داده‌های آموزش و آزمون محاسبه و چاپ می‌شود. ⤵️ مرحله دوم 1. همان داده‌ها با StandardScaler نرمال‌سازی می‌شوند. 2. با استفاده از PCA بعد داده‌ها به 2 مولفه اصلی کاهش می‌یابد. 3. مجدداً داده‌ها تقسیم و مدل رگرسیون لجستیک آموزش داده می‌شود. 4. دقت مدل جدید محاسبه و چاپ می‌شود. هدف مقایسه عملکرد مدل قبل و بعد از کاهش ابعاد با PCA است. این کد معمولاً برای نمایش تأثیر پیش‌پردازش داده و کاهش ابعاد بر عملکرد مدل‌های یادگیری ماشین استفاده می‌شود. 👇کد پست بعدی #pandas | #sklearn | #load_breast_cancer | @LearnPythonIcy

✔️ پیش‌بینی قیمت خانه با استفاده از رگرسیون خطی در پایتون در این پروژه: 🌻 داده‌های مربوط به متراژ، تعداد اتاق، پارکینگ، انباری، آسانسور و آدرس بررسی شده 🌻 داده‌ها پیش‌پردازش شدن 🌻 مدل آموزش دیده و ارزیابی شده (با MSE و R²) 👈 یه مثال ساده و کاربردی برای یادگیری رگرسیون در یادگیری ماشین 📎 سورس کامل پروژه در گیت‌هاب: https://github.com/ArefehKabiri/housePrice/tree/main #sklearn | #pandas | #LinearRegression | @LearnPythonIcy

✔️ اگه تازه‌کاری تو یادگیری ماشین یا می‌خوای Logistic Regression رو عملی یاد بگیری، این پروژه رو از دست نده. 🌼 دیتا پیش‌پردازش شده 🌼 مدل آموزش دیده 🌼 نتایج ارزیابی شده 📎 سورس کامل پروژه در گیت‌هاب: https://github.com/ArefehKabiri/titanicLogisticRegression/tree/main #sklearn | #pandas | #LogisticRegression | @LearnPythonIcy