پیش بینی قیمت و پردازش 7 مدل ماشین لرنینگ و یک روش ترکیبی فرا ابتکاری مدل ها شامل:

• الگوریتم رگرسیون خطی (Linear Regression Algorithm)
• طراحی مدل شبکه عصبی بازگشتی با واحد حافظه کوتاه مدتِ بلند (LSTM).
• الگوریتم ماشین بردار پشتیبان (SVM)
• جنگل تصادفی (Random Forest)
• نزدیک‌ترین همسایگی (k-Nearest Neighbors)
• الگوریتم Extreme Gradient Boosting) XGBoost)
• الگوریتم AdaBoost یا Adaptive Boost

مقایسه روش ها و انتخاب بهترین روش.

نگارش توضیحات پردازش و پاکسازی دیتا، توضیح هر کدام از 7روش یادگیری ماشین و روش ترکیبی فرا ابتکاری و فرمول های ریاضی آن، توضیح آپیشن هایی که برای هر روش منتخب از کتابخانه پایتون باید مقداردهی شود و مقادیر مجاز قابل انتخاب، الگوریتم تمام روش ها، برازش مدل ها و انتخاب پارامترهای مدل ها و انتخاب بهترین مدل و دلایل و شیوه مقایسه و انتخاب بهترین مدل

نمودار و پلات ها

دستورات پایتون

ضمنا چون مطالب یک بخش از رساله دکتری است، نگارش مطالب کپی نباشه و اشکالات ویرایشی نداشته باشه چون خودم زمان ویرایش ندارم و مطالب رفرنس داشته باشد طبق الگوی رساله دکتری
در مدل نهایی با مقداردهی ویژ گی های منتخب قیمت پیش بینی اعلام شود

یک مقاله ISI با IF یک یا دو هم باید تهیه و چاپ کنم تا اخرش اگه می تونید در اصلاحات استاد راهنما هم کنارم باشید