کدگیت
1
0 محصول 0 تومان
ورود / ثبت نام
منو
کدگیت
0 محصول 0 تومان
  • صفحه اصلی
  • فروشگاه
    • سبد خرید
    • حساب کاربری
    • پرداخت
  • بلاگ
    • پایتون
    • جاوا
    • HTML
    • CSS
    • bootstrap
    • یادگیری ماشین
    • پردازش تصویر
  • طراحی سایت
  • پردازش تصویر
جستجو
خانه پروژه پایتون سورس Linear Regression با دیتاست Mobile Price
سورس طبقه بندی داده های Iris با الگوریتم Decision Tree
سورس طبقه بندی داده های Iris با الگوریتم Decision Tree 140,000 تومان
بازگشت به محصولات
سورس KNN با دیتاست Mobile Price
سورس KNN با دیتاست Mobile Price 140,000 تومان
بزرگنمایی تصویر

سورس Linear Regression با دیتاست Mobile Price

140,000 تومان

  • فرمت فایل: فایل پایتون (.py)
  • زبان برنامه نویسی: پایتون
  • Frame گرافیکی: دارد
  • ماژول استفاده شده: sklearn، seaborn، numpy، pandas، matplotlib
مقایسه
افزودن به علاقه مندی
دسته ها: پایتون, پروژه پایتون, سورس پایتون, سورس کد, یادگیری عمیق, یادگیری ماشین برچسب ها: code, codegate, linear regression, Machine Learning, matplotlib, mobile price dataset, numpy, pandas, python, sklearn, پایتون, رگرسیون خطی, سورس پایتون, سورس کد, کدگیت, یادگیری ماشین
اشتراک گذاری:
  • توضیحات
  • توضیحات تکمیلی
  • نظرات (0)
توضیحات

در این قسمت تیم کدگیت سورس Linear Regression با دیتاست Mobile Price را تهیه کرده است. یادگیری ماشین وارد دنیای روزمره ما انسان‌ها شده است. دیگر از طریق یک تلفن همراه و نصب اپلیکیشن می‌توان یک بیماری را تشخیص داد. یادگیری ماشین، هوش مصنوعی و تمامی شاخه‌های آن در دنیای امروز کاربردهای بسیاری پیدا کرده است. با توجه به گسترش این شاخه از علم، ما نیز تصمیم گرفتیم سورسی از همین رشته تهیه و آماده سازی نماییم. سورس پیش‌بینی قیمت موبایل که از الگوریتم Linear Regression استفاده می‌کند. با ما همراه باشید تا این سورس جذاب را معرفی کنیم.

سورس Linear Regression با دیتاست Mobile Price

تکنولوژی امروزه به سرعت در حال پیشرفت است. تشخیص عینک، تشخیص خودرو، تشخیص چشم و … تنها بخشی از پیشرفت تکنولوژی است که با کمک پردازش تصویر، بینایی ماشین و هوش مصنوعی قابل انجام است. در این قسمت سورس Linear Regression با دیتاست Mobile Price در پایتون را تهیه کرده‌ایم. برای این کار ما از ماژول sklearn و seaborn و numpy و pandas و matplotlib کمک می‌گیریم. در صورتی که با این ماژول‌ها آشنایی ندارید پیشنهاد می‌کنیم دوره آموزش پیش نیاز علم داده را مطالعه نمایید چراکه در این دوره تمامی ماژول‌های فوق (به استثنا sklearn) آموزش داده می‌شوند. همچنین دیتاست استفاده گردیده در این پروژه Mobile Price می‌باشد.

دیتاست Mobile Price

طبقه بندی قیمت موبایل یکی از مشکلات شرکت‌های بزرگ می‌باشد. در دیتاست Mobile Price Classification قیمت دو هزار (2000) دستگاه موبایل با بیست (20) ویژگی ذخیره‌سازی می‌گردد. ستون‌های دیتاست ما به صورت زیر می‌باشد:

  • battery_power: کل انرژی باتری به mAh
  • blue: دارای بلوتوث می‌باشد یا خیر.
  • clock_speed: سرعتی که ریزپردازنده دستورالعمل ها را اجرا می کند.
  • dual_sim: تک سیم کارت و دو سیم کارت بودن موبایل
  • FC: مخفف Front Camera یا دوربین جلو بوده و مقدار این ستون به مگاپیکسل می‌باشد.
  • four_g: قابلیت g4 را دارد یا خیر.
  • int_memory: مخفف internal memory بوده و مقدار آن به گیگابایت می‌باشد.
  • m_dep: عرض تلفن همراه به سانتی متر (Mobile depth)
  • mobile_wt: وزن موبایل.
  • n_cores: تعداد هسته‌های پردازنده
  • Pc: مخفف Primary camera یا دوربین اصلی بوده و مقدار آن به مگاپیکسل است.
  • px_height: وضوح تصویر (ارتفاع)
  • px_width: وضوح تصویر (عرض)
  • ram: این ستون برای همه ما شفاف هست
  • sc_h: ارتفاع صفحه نمایش تلفن همراه در سانتی متر
  • sc_w: عرض صفحه تلفن همراه در سانتی متر
  • talk_time: طولانی ترین زمانی که یک بار شارژ باتری دوام می‌آورد.
  • three_g: پشتیبانی از 3g
  • touch_screen: صفحه لمسی دارد یا خیر
  • wifi: پشتیبانی از wifi
  • price_range: رنج قیمت تلفن همراه. در این دیتاست تلفن‌های همراه در چهار (4) رنج قیمت  با توجه به قابلیت‌های موبایل قرار می‌گیرند.
    • رنج قیمت صفر به معنی قیمت پایین است.
    • رنج قیمت 1 به معنی قیمت متوسط است.
    • رنج قیمت 2 به معنی قیمت بالا است.
    • نج قیمت 3 به معنی خیلی بالا می‌باشد.

نحوه اجرا سورس پیش‌بینی قیمت موبایل

زبان برنامه نویسی سورس پیش‌بینی قیمت موبایل، پایتون بوده و فرمت فایل .py است. بعد از تهیه سورس از سایت کدگیت فایلی با فرمت zip در اختیار شما قرار می‌گیرد. فایل را از حالت zip خارج کرده تا بتوانید سورس کد را ببینید. فایل اصلی برنامه با نام LinearRegression Mobile Price.py می‌باشد. این فایل را اجرا کنید تا برنامه اجرا شود. پس از اجرا خروجی زیر را مشاهده خواهید کرد:

سورس Linear Regression با دیتاست Mobile Price

بررسی دو متغیر دیتاست

سورس Linear Regression با دیتاست Mobile Price

مقایسه دو متغیر دیتاست

نمودار دایره ای مقایسه دو ویژگی دیتاست

بررسی درصد دو متغیر دیتاست

نمودار دایره ای مقایسه دو ویژگی دیتاست

بررسی درصد دو متغیر دیتاست

مقایسه دو متغیر دیتاست

مقایسه دو متغیر دیتاست

سورس Linear Regression با دیتاست Mobile Price

مقایسه دو متغیر دیتاست

مقایسه دو متغیر دیتاست

بررسی دو متغیر دیتاست

مقایسه دو متغیر دیتاست

مقایسه دو متغیر دیتاست

علاوه بر تصاویر بالا در کنسول، خروجی زیر را خواهید دید:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2000 entries, 0 to 1999
Data columns (total 21 columns):
 #   Column         Non-Null Count  Dtype
---  ------         --------------  -----
 0   battery_power  2000 non-null   int64
 1   blue           2000 non-null   int64
 2   clock_speed    2000 non-null   float64
 3   dual_sim       2000 non-null   int64
 4   fc             2000 non-null   int64
 5   four_g         2000 non-null   int64
 6   int_memory     2000 non-null   int64
 7   m_dep          2000 non-null   float64
 8   mobile_wt      2000 non-null   int64
 9   n_cores        2000 non-null   int64
 10  pc             2000 non-null   int64
 11  px_height      2000 non-null   int64
 12  px_width       2000 non-null   int64
 13  ram            2000 non-null   int64
 14  sc_h           2000 non-null   int64
 15  sc_w           2000 non-null   int64
 16  talk_time      2000 non-null   int64
 17  three_g        2000 non-null   int64
 18  touch_screen   2000 non-null   int64
 19  wifi           2000 non-null   int64
 20  price_range    2000 non-null   int64
dtypes: float64(2), int64(19)
memory usage: 328.3 KB
0.9132801488185277

در خروجی بالا اطلاعات زیر قرار گرفته است:

  • ابعاد دیتاست
  • اطلاعات آماری دیتاست
  • دقت مدل پس از train برابر با 0.9132801488185277 (حدود 91 درصد) می‌باشد.
  • …

فایل‌ها و ماژول‌ها سورس کد

در سورس پیش‌بینی قیمت موبایل از فایل‌ها و ماژول‌های زیر استفاده گردیده است:

  • Numpy: نصب numpy با دستور pip install numpy از طریق cmd انجام می‌شود.
  • pandas: با دستور pip install pandas از طریق cmd، نصب این ماژول انجام می‌شود.
  • matplotlib: دستور pip install matplotlib را در cmd بزنید.
  • seaborn: برای نصب seaborn نیز در cmd دستور pip install seaborn را بنویسید.
  • scikit-learn: نصب scikit-learn با دستور pip install scikit-learn از طریق cmd انجام می‌شود.

برای نصب پایتون به طوری که در CMD بتوانید کدهای پایتون را اجرا و ماژول‌ها را نصب نمایید ویدئو زیر را حتماً مشاهده کنید:

توضیحات تکمیلی
programming-languages

پایتون

فرمت-فایل

.py

frame-گرافیکی

دارد

تست-شده

توسط کارشناسان تیم کدگیت

نظرات (0)

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “سورس Linear Regression با دیتاست Mobile Price” لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مرتبط

پروژه تشخیص رنگ در پایتون
مقایسه

پروژه تشخیص رنگ در پایتون

95,000 تومان
در این قسمت تیم کدگیت را با پروژه تشخیص رنگ در پایتون همراهی کنید. در این پروژه با توجه به
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
مقایسه

دانلود سورس محیط مثلث در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس محیط مثلث در سی پلاس پلاس آماده کرده است. با استفاده از زبان سی پلاس
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس لیست پیوندی دوطرفه در سی پلاس پلاس
مقایسه

سورس لیست پیوندی دوطرفه در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس لیست پیوندی دوطرفه در سی پلاس پلاس آماده کرده است. با استفاده از زبان
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
پروژه تشخیص ابرو در پایتون
مقایسه

پروژه تشخیص ابرو در پایتون

90,000 تومان
در این قسمت تیم کدگیت پروژه تشخیص ابرو در پایتون را آماده کرده است. در این پروژه با رعایت اصول
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس درخت قرمز و سیاه در سی پلاس پلاس
مقایسه

دانلود سورس درخت قرمز و سیاه در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس درخت قرمز و سیاه در سی پلاس پلاس آماده کرده است. با استفاده از
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس الگوریتم KMP در سی پلاس پلاس
مقایسه

دانلود سورس الگوریتم KMP در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس الگوریتم KMP در سی پلاس پلاس آماده کرده است. با استفاده از زبان سی
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس الگوریتم Naive در سی پلاس پلاس
مقایسه

دانلود سورس الگوریتم Naive در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس الگوریتم Naive در سی پلاس پلاس آماده کرده است. با استفاده از زبان سی پلاس پلاس
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس محاسبه مساحت مثلث در سی پلاس پلاس
مقایسه

دانلود سورس محاسبه مساحت مثلث در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس محاسبه مساحت مثلث در سی پلاس پلاس آماده کرده است. با استفاده از زبان سی
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
  • جاوا
  • پایتون
  • سی شارپ
  • سی پلاس پلاس
  • HTML
  • سورس جاوا
  • سورس پایتون
  • سورس سی پلاس پلاس
  • دوره پیش‌نیاز علم داده
  • دوره ماژول turtle
  • دوره مقدماتی پایتون
Twitter Paper-plane Instagram

استفاده از مطالب سایت کدگیت فقط برای مقاصد غیرتجاری و با ذکر منبع بلامانع است.
© کلیه حقوق این سایت متعلق به کدگیت می‌باشد.

  • صفحه اصلی
  • فروشگاه
    • سبد خرید
    • حساب کاربری
    • پرداخت
  • بلاگ
    • پایتون
    • جاوا
    • HTML
    • CSS
    • bootstrap
    • یادگیری ماشین
    • پردازش تصویر
  • طراحی سایت
  • پردازش تصویر
  • علاقه مندی
  • مقایسه
  • ورود / ثبت نام
ورود
بستن

رمز عبور را فراموش کرده اید؟

هنوز حساب کاربری ندارید؟

ایجاد حساب کاربری
فروشگاه
علاقه مندی
0 محصول سبد خرید
حساب کاربری من