پیشبینی با شبکه عصبی و ماشین بردار پشتیبان
مدل‌های پیشبینی داده‌محور با MLP، SVM و مقایسه با رگرسیون کلاسیک، همراه اعتبارسنجی درست.
پرسش‌های پیشبینی که روابط غیرخطی قوی دارند و داده کافی موجود است.
جدول داده با متغیر هدف و توضیح متغیرها؛ تفکیک زمانی برای داده‌های سری زمانی.
پیش‌پردازش، تقسیم آموزش/آزمون، سنجه‌های خطا (RMSE/MAE/دقت)، نمودار پیشبینی و مقایسه مدل‌ها.
Project file و Do-file / R & Python Script؛ تکرارپذیری ۱۰۰٪ نتایج
Word قابل ویرایش، آمادهٔ درج در فصل چهارم یا مقالهٔ ISI/Scopus
مدل مسیر، علّی، نوسان و پارتو — 300 DPI / SVG
تفسیر کامل آماری + پشتیبانی تا دفاع یا پذیرش داوران
پرسش‌های رایج
چقدر داده کافی است؟
قاعده سرانگشتی: دستکم ده برابر تعداد ورودیها؛ برای داده کم رگرسیون مناسبتر است.
جای شبکه عصبی به‌جای رگرسیون؟
وقتی غیرخطی بودن و دقت پیشبینی اهمیت دارد و تفسیر ضریبها هدف نیست.
دعوت به گفت‌وگو
برای شروع، جزئیات کارتان را در پیام اول بفرستید؛ بررسی داده و اعلام زمان و هزینه در همان گفت‌وگو انجام می‌شود.