آموزش یادگیری ماشین با Scikit-Learn

سرفصل ها و درس ها

مقدمه Introduction

• یادگیری موثر ماشین با یادگیری دقیق Effective machine learning with scikit-learn

• آنچه باید قبل از شروع بدانید What you should know before you start

• با استفاده از پرونده های تمرینی Using the exercise files

1. ورودی و بارگذاری داده ها 1. Input and Loading Data

• یادگیری ماشینی چیست؟ What is machine learning?

• چرا باید از یادگیری قلابی برای یادگیری ماشین استفاده کرد؟ Why use scikit-learn for machine learning?

2. یادگیری تحت نظارت 2. Supervised Learning

• یادگیری تحت نظارت چیست؟ What is supervised learning?

• نحوه قالب بندی داده ها برای scikit-learn How to format data for scikit-learn

• رگرسیون خطی با استفاده از scikit-learn Linear regression using scikit-learn

• تقسیم تست قطار Train test split

• رگرسیون لجستیک با استفاده از یادگیری دقیق Logistic regression using scikit-learn

• رگرسیون لجستیک برای طبقه بندی چند کلاسه Logistic regression for multiclass classification

• درختان تصمیم گیری با استفاده از یادگیری دقیق Decision trees using scikit-learn

• نحوه تجسم درختان تصمیم با استفاده از Matplotlib How to visualize decision trees using Matplotlib

• درختان کیسه ای با استفاده از scikit-learn Bagged trees using scikit-learn

• جنگل های تصادفی با استفاده از scikit-learn Random forests using scikit-learn

• از کدام مدل یادگیری ماشین استفاده کنید؟ Which machine learning model should you use?

3. یادگیری بدون نظارت 3. Unsupervised Learning

• یادگیری بدون نظارت چیست؟ What is unsupervised learning?

• K به معنی خوشه بندی است K-means clustering

• تجزیه و تحلیل م componentلفه اصلی (PCA) برای تجسم داده ها Principal component analysis (PCA) for data visualization

• PCA برای سرعت بخشیدن به الگوریتم های یادگیری ماشین PCA to speed up machine learning algorithms

• خطوط لوله را بیاموزید scikit-learn pipelines

نتیجه Conclusion

• با scikit-learn شروع کنید Get started with scikit-learn