#Support Vector Machine in R
مدرس: آقای دکتر کریم حیدری
ویدیوی شماره 2
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──

#Support Vector Machine in R
مدرس: آقای دکتر کریم حیدری
ویدیوی شماره 3
#Join_Us
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──

کدنویسی پایتون در محیط نرم افزاری R
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

💥سوال شبیه سازی احتمال!💥

💥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

💥MultivariateAnalysis I

► Practical Guide To Cluster Analysis in R

► Alboukadel Kassambara

📕Unsupervised Machine Learning

► 187 pages


╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

💥MultivariateAnalysis I

► Practical Guide To Cluster Analysis in R

► Alboukadel Kassambara

📕Unsupervised Machine Learning

► 187 pages


╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

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

🔸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

#book

╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

► An R Companion to
Linear Statistical Models

► Christopher Hay-Jahans

► 366 pages

╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

💥Welcome to Data analysing world!

💎with Data Experts💎

https://t.iss.one/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

▪️▫️▪️▫️▪️▫️▪️▫️◾️
🔘جدیدترین IDE برای رقابت با Rstudio منتشر شد


#Rcode #IDE

╭──•═✾🔘✾═•──╮
••• @Data_Experts •••
╰──•═✾🔝✾═•──╯

‏▪️▫️▪️▫️▪️▫️▪️▫️◾️

#Rcode
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

#Rcode

╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

#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:

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"))

خروجی #spline و #loess