Media is too big
VIEW IN TELEGRAM
#Support Vector Machine in R
مدرس: آقای دکتر کریم حیدری
ویدیوی شماره 2
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──
مدرس: آقای دکتر کریم حیدری
ویدیوی شماره 2
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──
Media is too big
VIEW IN TELEGRAM
#Support Vector Machine in R
مدرس: آقای دکتر کریم حیدری
ویدیوی شماره 3
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──
مدرس: آقای دکتر کریم حیدری
ویدیوی شماره 3
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──
کدنویسی پایتون در محیط نرم افزاری R
بسته ای با عنوان
که این قابلیت رو داره که برای دوستانی که با کدهای پایتون عادت به کدنویسی داشتن بتونن در محیط R نیز راحتتر عمل کنن و همان دستورات پایتون رو با کمی تفاوت در این محیط بنویسن، یادآور میشوم که در برنامه نویسی از همه مهمتر داشتن یک الگوریتم و منطق برنامه نویسی خوب هست البته شایان ذکر هست که خود زبان نیز فوق العاده مهم هست.
در زیر یک دستور رو به عنوان مثال میآوریم:
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──
https://www.listendata.com/2018/03/run-python-from-r.html?m=1
بسته ای با عنوان
install.packages("reticulate")
که این قابلیت رو داره که برای دوستانی که با کدهای پایتون عادت به کدنویسی داشتن بتونن در محیط R نیز راحتتر عمل کنن و همان دستورات پایتون رو با کمی تفاوت در این محیط بنویسن، یادآور میشوم که در برنامه نویسی از همه مهمتر داشتن یک الگوریتم و منطق برنامه نویسی خوب هست البته شایان ذکر هست که خود زبان نیز فوق العاده مهم هست.
در زیر یک دستور رو به عنوان مثال میآوریم:
#Python
x = np.array([10,20,14,17,18])
#R
y<- array(1:4,c(2,2))
x <- numpy$array(y)
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──
https://www.listendata.com/2018/03/run-python-from-r.html?m=1
ListenData
Run Python from R
Listen Data offers data science tutorials covering a wide range of topics such as SAS, Python, R, SPSS, Advanced Excel, VBA, SQL, Machine Learning
A = c(rep("w",4), rep("b",5))
B = C = c(rep("w",6), rep("b",3))
box = rbind(A, B, C)
#developed by R_Experts Team
#number of simiulation
nsim = 100000 ;m=0
for (j in 1:nsim) {
#choose randome box
i = sample(1:3, 1)
#choose 4 sample from box
sam4 = sample(box[i,], 4)
tw = sum(sam4 == "w")
if(tw == 2 ) {m = m+1}
}
#prob calculate
cat("two white probability is = ", m/nsim, "\n #developed by R_Experts Team")
💥💥
@R_Experts
https://telegram.me/R_Experts
Telegram
|R| Experts
@R_Experts
🔴آمار علم جان بخشیدن به دادههاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
🔴آمار علم جان بخشیدن به دادههاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
💥R For Beginners💥
https://t.iss.one/R_Experts
گروه تحقیقاتی @R_Experts
در نظر دارد:
💥💥کارگاه شماره ۷ از سری دوره های آنلاین آموزش R را برای شروع کنندگان و
علاقمندان به یادگیری زبان R به صورت دوره آنلاین و زنده ، "وبینار "، با آخرین متدها و تکنولوژی ، دوره های آموزشی به روز دنیا در خدمت شما عزیزان باشد .💥💥
®️®️®️®️®️®️®️®️®️®️
R R R R R R R R R R R R R R R
رو شروع کن و قورت بده 🤩
با طعم
#R_Experts 🤩
💰فقط و فقط با یکصد هزار تومان 💰
🔸مدت دوره ۴ ساعت زنده و انلاین + طرح سوال رفع اشکال شرکت کنندگان🕑
https://t.iss.one/R_Experts
🇮🇷با سرعت کیلو بایتی آنلاین شو
و R رو با @R_Experts یاد بگیر🇮🇷
https://t.iss.one/R_Experts
📢مباحث:
١- آشنايي با محيط نرم افزار
نصب بسته ، فراخوانی داده ،...
٢-آشنايي با مفاهیم بردارها و ماتريسها
٣-آشنايي با حلقه ها و دستورات شرطی
٤-آشنايي با تابع نويسي
٥-آشنايي با توابع و دستورات كاربردی
٦-آشنايي با دستورات گرافيكي
٧-آشنايي با حل مسائل
۸-مقدمه ای بر شبیه سازی احتمالاتی
۹-آشنایی با مفاهیم آمار توصیفی
۱۰-آشنایی با بسته
ggplot2
💥💥💥💥💥💥💥💥
📊جهت اطلاعات بيشتر و تكميل ثبت نام
با اي دي @hamedrezaei2
در ارتباط باشيد .
با تشكر🌷🌷 @R_Expets
https://t.iss.one/R_Experts
https://t.iss.one/R_Experts
گروه تحقیقاتی @R_Experts
در نظر دارد:
💥💥کارگاه شماره ۷ از سری دوره های آنلاین آموزش R را برای شروع کنندگان و
علاقمندان به یادگیری زبان R به صورت دوره آنلاین و زنده ، "وبینار "، با آخرین متدها و تکنولوژی ، دوره های آموزشی به روز دنیا در خدمت شما عزیزان باشد .💥💥
®️®️®️®️®️®️®️®️®️®️
R R R R R R R R R R R R R R R
رو شروع کن و قورت بده 🤩
با طعم
#R_Experts 🤩
💰فقط و فقط با یکصد هزار تومان 💰
🔸مدت دوره ۴ ساعت زنده و انلاین + طرح سوال رفع اشکال شرکت کنندگان🕑
https://t.iss.one/R_Experts
🇮🇷با سرعت کیلو بایتی آنلاین شو
و R رو با @R_Experts یاد بگیر🇮🇷
https://t.iss.one/R_Experts
📢مباحث:
١- آشنايي با محيط نرم افزار
نصب بسته ، فراخوانی داده ،...
٢-آشنايي با مفاهیم بردارها و ماتريسها
٣-آشنايي با حلقه ها و دستورات شرطی
٤-آشنايي با تابع نويسي
٥-آشنايي با توابع و دستورات كاربردی
٦-آشنايي با دستورات گرافيكي
٧-آشنايي با حل مسائل
۸-مقدمه ای بر شبیه سازی احتمالاتی
۹-آشنایی با مفاهیم آمار توصیفی
۱۰-آشنایی با بسته
ggplot2
💥💥💥💥💥💥💥💥
📊جهت اطلاعات بيشتر و تكميل ثبت نام
با اي دي @hamedrezaei2
در ارتباط باشيد .
با تشكر🌷🌷 @R_Expets
https://t.iss.one/R_Experts
Telegram
|R| Experts
@R_Experts
🔴آمار علم جان بخشیدن به دادههاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
🔴آمار علم جان بخشیدن به دادههاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
[Alboukadel_Kassambara]Practical_Guide_to_Cluster.pdf
5 MB
💥MultivariateAnalysis I
► Practical Guide To Cluster Analysis in R
► Alboukadel Kassambara
📕Unsupervised Machine Learning
► 187 pages
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯
► Practical Guide To Cluster Analysis in R
► Alboukadel Kassambara
📕Unsupervised Machine Learning
► 187 pages
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯
|R| Experts
[Alboukadel_Kassambara]Practical_Guide_to_Cluster.pdf
💥MultivariateAnalysis I
► Practical Guide To Cluster Analysis in R
► Alboukadel Kassambara
📕Unsupervised Machine Learning
► 187 pages
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯
► Practical Guide To Cluster Analysis in R
► Alboukadel Kassambara
📕Unsupervised Machine Learning
► 187 pages
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯
This media is not supported in your browser
VIEW IN TELEGRAM
Linear Model and Genaralized Models
✅ معرفی دوره اموزشی مدل های خطی و مدل های خطی تعمیم یافته
____R_Experts___
Javad.Vahdat
#Linear Model and Genaralized Models
@R_Experts
#Introducing_the_course
✅ معرفی دوره اموزشی مدل های خطی و مدل های خطی تعمیم یافته
____R_Experts___
Javad.Vahdat
#Linear Model and Genaralized Models
@R_Experts
#Introducing_the_course
🔸پکیج ویدئویی آماده برای مدل های خطی در R
🔴Contents
1)Linear and generalized linear model
2)Fit linear
3)Model diagnostics
4)Model selection
5)Descriptive plots
6)Generalized linear models
7)Peresntaion file of course
#pdf
🔶جهت تهیه و رزو پکیج با ای دی
@hamedrezaei2
در ارتباط باشید.
https://t.iss.one/R_Experts
🔴Contents
1)Linear and generalized linear model
2)Fit linear
3)Model diagnostics
4)Model selection
5)Descriptive plots
6)Generalized linear models
7)Peresntaion file of course
🔶جهت تهیه و رزو پکیج با ای دی
@hamedrezaei2
در ارتباط باشید.
https://t.iss.one/R_Experts
Telegram
|R| Experts
@R_Experts
🔴آمار علم جان بخشیدن به دادههاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
🔴آمار علم جان بخشیدن به دادههاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
|R| Experts
An R Companion to Linear Models.pdf
► An R Companion to
Linear Statistical Models
► Christopher Hay-Jahans
► 366 pages
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯
Linear Statistical Models
► Christopher Hay-Jahans
► 366 pages
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯
Forwarded from Data Experts
Forwarded from Data Experts (|-| /\ /\/\ [- |) ®️)
🔵 کسب مقام #اول مسابقات برنامه نویسی و شبیه سازی با نرم افزار R توسط اقایان "جواد وحدت" و "حامد حیدردوست" از ادمین های کانال R Expert
به زودی سوالات مسابقه از همین کانال.
@Data_Experts
@R_Experts
به زودی سوالات مسابقه از همین کانال.
@Data_Experts
@R_Experts
Forwarded from Data Experts (Farzad Heydary)
This media is not supported in your browser
VIEW IN TELEGRAM
▪️▫️▪️▫️▪️▫️▪️▫️◾️
🔘جدیدترین IDE برای رقابت با Rstudio منتشر شد
#Rcode #IDE
╭──•═✾🔘✾═•──╮
••• @Data_Experts •••
╰──•═✾🔝✾═•──╯
▪️▫️▪️▫️▪️▫️▪️▫️◾️
🔘جدیدترین IDE برای رقابت با Rstudio منتشر شد
#Rcode #IDE
╭──•═✾🔘✾═•──╮
••• @Data_Experts •••
╰──•═✾🔝✾═•──╯
▪️▫️▪️▫️▪️▫️▪️▫️◾️
Forwarded from |R| Experts (|-| /\ /\/\ [- |) ®️)
Forwarded from سیدجمال میرکمالی
#رگرسیون #ناپارامتری در R
مواقعی که رابطه ی بین متغیرهای پیشگو و پاسخ غیرخطی است، یک راه برای مدل سازی، استفاده از رگرسیون ناپارامتری است. روش هموار سازی #اسپیلاین (#Spline) و رگرسیون #وزنی #موضعی (#loess) از مهم ترین ابزارهای ناپارامتری محسوب می شوند. در #شبیه_سازی زیر، منحنی spline و loess روی داده ها برازش داده شده اند:
مواقعی که رابطه ی بین متغیرهای پیشگو و پاسخ غیرخطی است، یک راه برای مدل سازی، استفاده از رگرسیون ناپارامتری است. روش هموار سازی #اسپیلاین (#Spline) و رگرسیون #وزنی #موضعی (#loess) از مهم ترین ابزارهای ناپارامتری محسوب می شوند. در #شبیه_سازی زیر، منحنی spline و loess روی داده ها برازش داده شده اند:
set.seed(1)
N=100
x = rnorm(N,10)
e = rnorm(N)
y = 2*sin(4*x) + 2*x + e
par(mfrow=c(2,1), mar=rep(2,4))
plot(x,y,cex=.5)
plot(x,y,cex=.5)
lines(smooth.spline(x,y),col=2)
lines(loess.smooth(x,y,span = .2),col=3)
legend(11.2,23,col = 2:3,lty=1,bty = "n",
legend = c("Spline","Loess"))